Informatie

Hoe kan ik modENCODE-gegevens sneller bekijken?


Ik probeer verschillende datatracks te bekijken in de modENCODE GBrowse genomische browser. De site is echter zo traag, dat deze praktisch onwerkbaar is. Is er een snellere manier om de gegevens te verkennen?


Opties:

  • U kunt de gegevens altijd downloaden (zoals @WYSIWYG in de opmerking heeft gesuggereerd).

  • Breng de gegevens over naar Galaxy

  • Converteer en exporteer de selectie van uw keuze.

Bron: http://modencode.oicr.on.ca/fgb2/gbrowse/fly/


Verblind door Big Science: de les die ik heb geleerd van ENCODE is dat projecten zoals ENCODE geen goed idee zijn

Toen de conceptsequentie van het menselijk genoom in 2001 klaar was, werd de prestatie aangekondigd als het begin van het tijdperk van de "grote biologie". De high-throughput-technieken en automatisering die zijn ontwikkeld om DNA op grote schaal te sequencen, zouden worden gebruikt om niet alleen genomen te genereren, maar ook referentiedatasets op alle gebieden van de biogeneeskunde.

De NHGRI bewoog zich snel om het universum van gesequentieerde genomen uit te breiden en om variatie binnen de menselijke populatie te catalogiseren met HapMap, HapMap 2 en 1000 genomen. Maar ze begonnen ook hun teen in de duistere wateren van 'functionele genomica'8221 te dompelen en lanceerden ENCODE, een grootse poging om een ​​encyclopedie van functionele elementen in het menselijk genoom te bouwen. Het idee was om tegelijkertijd het menselijk genoom te annoteren en fundamentele en toegepaste wetenschappers die aan ziekten bij de mens werken te voorzien van referentiedatasets die ze anders zelf hadden moeten genereren. In plaats van te moeten investeren in dure apparatuur en complexe protocollen te leren, konden ze vaak gewoon de resultaten downloaden, waardoor alles wat ze deden sneller en beter zou worden.

Nu, tien jaar en een paar honderd miljoen dollar later, bieden de afbouw van ENCODE en de publicatie van tientallen artikelen die de resultaten ervan beschrijven ons een onmisbare kans om de balans op te maken van wat we hebben geleerd, of het de moeite waard was, en, belangrijker nog, of dit soort projecten zin hebben om verder te gaan. Dit is meer dan een ijdele intellectuele vraag. NHGRI investeert $ 130 miljoen in de voortzetting van het project, en NHGRI en de NIH als geheel hebben hun intentie kenbaar gemaakt om in de toekomst meer projecten zoals ENCODE te doen.

Ik heb het gevoel dat ik een nuttig perspectief heb op deze kwesties. Ik was lid van het Nationaal Adviescomité voor de ENCODE en gerelateerde modENCODE-projecten gedurende hun hele levensduur. Als postdoc bij Pat Brown en David Botstein eind jaren 90 was ik betrokken bij de ontwikkeling van DNA-microarrays en had ik uit de eerste hand het transformatieve potentieel van genoomsequenties en de experimentele genomische technieken die ze mogelijk maakten gezien. Ik geloofde toen, en geloof nu nog steeds, dat naar biologie op grote schaal kijken vaak erg nuttig is, en dat het zinvol kan zijn om mensen die goed zijn in het doen van grote projecten en die kunnen profiteren van schaalvoordelen, gegevens voor de gemeente.

Maar de les die ik heb geleerd van ENCODE is dat projecten zoals ENCODE geen goed idee zijn.

Amerikaans biologieonderzoek bereikte grootsheid omdat we individuele wetenschappers aanmoedigden om de vragen te onderzoeken die hen intrigeerden en de NIH, NSF en andere instanties gaven hen de middelen om dit te doen. En ENCODE en soortgelijke projecten zijn, ogenschijnlijk tenminste, bedoeld om deze traditie voort te zetten, door individuele wetenschappers meer macht te geven door datasets te produceren van 'hogere kwaliteit en grotere alomvattendheid dan anders zou blijken uit de gecombineerde output van individuele onderzoeksprojecten'8221.

Maar ik denk dat het nu duidelijk is dat grote biologie geen zegen is voor individuele ontdekkingsgestuurde wetenschap. Ironisch genoeg en tragisch komt het naar voren als de grootste bedreiging voor zijn voortbestaan.

Het meest voor de hand liggende conflict tussen kleine wetenschap en grote wetenschap is geld. In een tijdperk waarin subsidies schaarser worden, is het onmogelijk om de 200 miljoen dollar die aan ENCODE is uitgegeven, niet te zien in termen van de

125 R01's die het had kunnen financieren. Het is onmogelijk om de verloren waarde van deze ongeveer honderd niet-gefinancierde kleine projecten af ​​te wegen tegen de voordelen van één grote. Maar er komt ontzettend veel verbazingwekkende wetenschap uit R01's, en het is moeilijk niet te geloven dat ten minste één van deze projecten transformatief zou zijn geweest.

Maar hoe erg het verlies van individuele onderzoeksbeurzen ook is, ik maak me veel meer zorgen over het model van onafhankelijk onderzoek waarop grote wetenschappelijke projecten zijn gebaseerd.

Om een ​​project als ENCODE zinvol te laten zijn, moet men ervan uitgaan dat wanneer een probleem in mijn laboratorium gegevens met een hoge doorvoer vereist, dat jaren van tevoren iemand – of echt een commissie van iemand – heeft die geen idee heeft van mijn work voorspelde precies de gegevens die ik nodig zou hebben en genereerde deze voor mij. Dit was logisch met genoomsequenties, waarvan iedereen al wist dat ze die moesten hebben. Maar voor functionele genomics is dit niets minder dan waanzin.

Er zijn letterlijk biljoenen cellen in het menselijk lichaam. Vermenigvuldig dat met levensfase, genotype, omgeving en ziektetoestand, en het aantal mogelijke aandoeningen om naar te kijken is in feite oneindig. Is er een rationele manier om te voorspellen welke essentieel zullen zijn voor de gemeenschap als geheel, laat staan ​​voor individuele onderzoekers? Ik kan niet zien hoe het antwoord mogelijk ja is. Bovendien waren veel van de door ENCODE gegenereerde gegevens verouderd tegen de tijd dat ze werden verzameld. Als iemand vandaag bijvoorbeeld begint met het in kaart brengen van transcriptiefactorbindingsplaatsen, zou je vrijwel zeker een of andere smaak van exonuclease ChIP gebruiken, in plaats van de ChIP-seq-technieken die de ENCODE-gegevens domineren.

Ik geef een voorbeeld uit mijn eigen lab. We bestuderen Drosophila ontwikkeling. Enkele jaren geleden raakte een postdoc in mijn laboratorium geïnteresseerd in compensatie van geslachtschromosoomdosering in het vroege vliegembryo, en was van plan om genoombrede mRNA-abundantiemetingen in mannelijke en vrouwelijke embryo's te gebruiken om dit te bestuderen. Toevallig genereerde het modENCODE-project genoombrede mRNA-abundantiemetingen in Drosophila embryo's. Lijkt me een perfecte match. Maar deze gegevens waren vrijwel nutteloos voor ons, niet omdat de gegevens niet goed waren, het experiment prachtig werd uitgevoerd, maar omdat hun gegevens geen antwoord konden geven op de vraag die we nastreven. We hadden geslachtsspecifieke expressie nodig, ze verzamelden mannen en vrouwen. We hadden een extreem nauwkeurige tijdresolutie nodig (binnen een paar minuten) ze keken naar vensters van twee uur. Ze hadden op geen enkele manier kunnen anticiperen op deze vraag of op een van de honderden andere vragen over genexpressie in de ontwikkeling die in andere laboratoria naar voren kwamen.

We hadden geluk. Ik heb geld van HHMI en heb de gegevens kunnen genereren die we nodig hadden. Maar veel mensen zouden niet in mijn positie zijn geweest, en zouden in veel opzichten slechter af zijn geweest omdat het bestaan ​​van ENCODE/modENCODE het moeilijker maakt om gerelateerde genomics-projecten gefinancierd te krijgen. Op dit moment is het bewijs voor een dergelijk effect anekdotisch. Ik heb van veel mensen gehoord dat recensenten expliciet een ENCODE-project noemden als reden om hun genomics-voorstel niet te financieren, maar het is naïef om te denken dat deze grote wetenschappelijke projecten hebben geen invloed op de manier waarop subsidies worden toegekend.

Denk er zo over na. Als u een NIH-bureau bent dat uw enorme investering in grote wetenschappelijke projecten wil rechtvaardigen, zult u onvermijdelijk gunstiger kijken naar voorstellen die gebruikmaken van gegevens die al zijn of binnenkort zullen worden gegenereerd door dure projecten die in het instituut voorkomen& #8217s portefeuille. En het resultaat zal een concentratie van onderzoeksinspanningen zijn op datasets van hoge technische kwaliteit, maar weinig intrinsieke waarde, waarbij wetenschappers hun eigen vragen in de kou willen stellen, en de meest interessante en belangrijke vragen die het risico lopen nooit te worden beantwoord, of zelfs gevraagd.

Je ziet deze mentaliteit al spelen in discussies over de waarde van ENCODE. Zoals ik en vele anderen hebben besproken, was de mediacampagne rond de recente ENCODE-publicaties op zijn best ongepast. De lege en vaak misleidende persberichten en citaten van wetenschappers maskeerden duidelijk het feit dat ze, ondanks het publiceren van 30 artikelen, vandaag de dag eigenlijk heel weinig belangrijks te zeggen hadden over wat ze vonden. De meest peinzende van hen beseften dit en deden hun best om te benadrukken dat andere mensen de gegevens al gebruikten, en dat de echte test was hoeveel de gegevens de komende jaren zouden worden gebruikt.

Maar dit is de verkeerde maatregel. Deze gegevens zullen worden gebruikt. Het is onvermijdelijk. En ik weet zeker dat dit gebruik vaak zal worden aangehaald om andere grote wetenschappelijke projecten tot in het oneindige te rechtvaardigen. En binnenkort hebben we een generatie wetenschappers voor wie een experiment uitzoekt wat voor soort dingen ze kunnen doen met gegevens die drie jaar eerder zijn geselecteerd door een commissie die in een raamloze hotelkamer in Rockville zit. Ik denk niet dat dit het wetenschapsmodel is dat iemand wil, maar het is precies waar we naartoe gaan als de metastase van de grote wetenschap niet wordt gewijzigd.

Ik wil duidelijk maken dat ik geen kritiek heb op de mensen die deze projecten hebben uitgevoerd. Het personeel van de NIH dat ENCODE leidde, en de wetenschappers die het uitvoerden, hebben onvermoeibaar gewerkt om de doelen te bereiken, en de organisatorische en technische prestatie die ze hebben bereikt, is indrukwekkend. Maar dat betekent niet dat het uiteindelijk goed is voor de wetenschap.

Wanneer ik deze zorgen persoonlijk met mijn collega's heb geuit, is de meest voorkomende reactie die ik krijg dat het Congres in het huidige politieke klimaat meer bereid is om grote, ambitieus klinkende projecten zoals ENCODE te financieren dan om simpelweg het extramurale budget van de NIH te financieren . Ik kan zien hoe dit waar kan zijn. Misschien geeft het leiderschap van de NIH het Congres gewoon wat ze willen om het NIH-budget te behouden. En misschien is dit de reden waarom er zo weinig weerstand is geweest van de algemene onderzoeksgemeenschap tegen de uitbreiding van de grote biologie.

Maar het zal een ramp zijn als we, in naam van de bescherming van het NIH-budget en de financiering van onze laboratoria, grote projecten nastreven die de door onderzoekers aangestuurde wetenschap zoals we die kennen in het proces vernietigen.


Hoe kan ik modENCODE-gegevens sneller bekijken? - Biologie

Totaal RNA werd geïsoleerd met behulp van Trizol en vervolgens met Qiagen RNeasy-spinkolommen. mRNA werd geïsoleerd met behulp van Dynal oligo (dT) kralen, vervolgens gefragmenteerd met behulp van tweewaardige kationen onder verhoogde temperatuur, gevolgd door opeenvolgende ligatie van RNA-linkers aan de 5'- en 3'-uiteinden. Vervolgens werd reverse transcriptie uitgevoerd met behulp van een primer die complementair is aan de 3'-linker en werd PCR uitgevoerd met behulp van primers die complementair zijn aan beide linkers.

Fragmenten van 300 bp werden geïsoleerd uit een agarosegel en opnieuw op gel gezuiverd.

De monsters werden gekwantificeerd met behulp van een Nanodrop en geladen op een stroomcel voor het genereren van clusters en gesequenced op een Illumina Genome Analyzer II met behulp van single read of gepaarde eindprotocollen (Illumina).

Lezingen werden uitgelijnd op Dmel_Release_6 met behulp van de STAR aligner v2.3.0e (Linux x86_64) met standaardparameters op de FASTQ-bestanden om meervoudig toegewezen BAM-bestanden te genereren. Deze werden gefilterd om reads op te nemen met slechts 1 uitgelijnde hit (NH:i:1 attribuut) om uniek toegewezen BAM-bestanden te genereren. Er werd een aangepast script gebruikt om BAM-bestanden om te zetten in bedgraph-bestanden (bam2bedgraph.cc).

[modENCODE Tissues Profile](http://intermine.modencode.org/release-33/experiment.do?experiment=Tissue-specific+Transcriptional+Profiling+of+D.+melanogaster+using+Illumina+poly%28A%29 %2B+RNA-Seq)

De RNA-seq-profielen weergegeven door FlyBase in GBrowse en gebruikt voor RPKM-berekening zijn toegankelijk via de FTP-link hieronder als .wig-bestanden. Houd er rekening mee hoe deze FlyBase .wig-bestanden gegevens vertegenwoordigen voor een aaneengesloten reeks basen met dezelfde signaalwaarde. De waarde wordt alleen gedeclareerd voor de eerste positie van die regio en is van toepassing op alle posities die volgen (deze worden niet expliciet vermeld) totdat een nieuwe waarde op een nieuwe basispositie wordt gedeclareerd.


Resultaten

Om het aantal kopieën in het hele genoom te bepalen, voerden we DNA-sequencing van de volgende generatie (DNA-Seq) uit op naakt DNA dat was geoogst uit 19 modENCODE-cellijnen [32-41] en controle-DNA van volwassen vrouwtjes (tabel 1). Vervolgens hebben we de sequentielezingen in kaart gebracht om 5 van de . vrij te geven D. melanogaster referentiegenoom om het relatieve aantal kopieën van elk gen te identificeren. In twee gevallen hebben we bibliotheken opnieuw gerangschikt die zijn gemaakt van onafhankelijke culturen, gekweekt in verschillende laboratoria (S2-DRSC en Kl.8) om de stabiliteit van het aantal kopieën te testen, en vond een uitstekende overeenkomst. Voor de Kl.8 lijn, vonden we dat de totale structuur van het aantal kopieën van het genoom 99,6% identiek was. Voor de sterk herschikte S2-DRSC lijn, zagen we een overeenkomst van 87,2% kopieaantal tussen twee onafhankelijke culturen, wat suggereert dat zelfs deze zeer afwijkende kopienummertoestanden relatief stabiel zijn. Hieronder beschrijven we de structuur van deze genomen in volgorde van mate van kopienummerverandering.

Ploïdie van cellijnen

We hebben eerst de basale genoomploïdiestatus bepaald op basis van ratiometrische DNA-Seq-gegevens. We hebben gebruik gemaakt van de uitgebreide afwijkingen van het aantal kopieën in de cellijnen om deze bepaling te maken. In onze DNA-Seq-analyse van de cellijnen hebben we de gemiddelde piek van de DNA-Seq-leestellingsdichtheid ingesteld op '1' om de relatieve aard van de metingen weer te geven en de X-chromosoom- en autosomale DNA-Seq-dichtheden afzonderlijk uit te zetten (Figuur 1 ). DNA-dichtheidsverhoudingen van verschillende kopieaantalsegmenten kunnen worden weergegeven als breuken met een gemeenschappelijke noemer en de kleinste noemer geeft de minimale ploïdie aan. Een goede illustratie was de S1 cellijn. We observeerden een DNA-dichtheidspiek op 1,47 van DNA-Seq of S1 cellen, wat suggereert dat er een segmentale duplicatie van autosomaal DNA optrad in deze lijn (ongeveer 50% toename) op een baseline diploïde karyotype, aangezien er geen DNA-blok was met een tussenliggend DNA-gehalte tussen ongeveer 1,5 en 1. Een ander voorbeeld is Kc167 cellen, die ten minste vier niveaus van relatieve lees-tellingsverhoudingen hadden, gecentreerd op 0,58, 0,77, 1,03 en 1,29. Deze verdeling van DNA-dichtheden was consistent met tetraploïdie. In de meeste gevallen leverde deze eenvoudige analyse een duidelijke ploïdieschatting op. Wij scoorden BG3-c2, Kl.8, D20-c2, D20-c5, D4-c1, L1, S1, W2, en D8 cellijnen als minimaal diploïde, en S2-DRSC, S2R+, S3, Sg4, Kc167, D16-c3, en D17-c3 cellijnen als minimaal tetraploïde. Onze resultaten voor D9 en mbn2 cellijnploïdie was niet doorslaggevend, vanwege de aanwezigheid van meerdere regio's met relatieve leesdichtheden die geen verhoudingen van gehele getallen waren.

Cellijnploïdie door DNA-Seq. Histogrammen van genormaliseerd DNA lezen een dichtheid van vensters van 1 kb. Rood, leest van X-chromosomen zwart, leest van autosomen blauw, centra van individuele piekclusters grijs, piekclusterverhoudingen. #1 en #2 geven de resultaten aan van twee onafhankelijke sets DNA-Seq van verschillende laboratoria.

Met behulp van Ratiometrische DNA-Seq-gegevens konden we minimale ploïdie bepalen, maar geen absolute ploïdie. Daarom hebben we ook mitotische spreads onderzocht (Figuur 2 Aanvullende bestanden 1 en 2) om ploïdiebepalingen te doen. In tegenstelling tot relativistische DNA-Seq-metingen, kunnen mitotische chromosomen direct worden geteld om het aantal chromosomen te bepalen, hoewel het vanwege herschikkingen niet altijd mogelijk is om de exacte chromosoomidentiteit te bepalen. We hebben geconstateerd dat S1, Kc167, S2-DRSC, S2R+, S3 en D20-c5 waren tetraploïden. BG3-c2 en 1182-4H cellen waren diploïde. De DNA-Seq-leesratiopatronen voor D20-c5 suggereerde minimale diploïdie, niet tetraploïdie, wat te wijten kan zijn aan een volledige genoomduplicatie na het vaststellen van een relatief kopie-aantalprofiel zoals gedetecteerd door DNA-Seq.

Karyotypen. (A,B) Metafase spreidingscijfers van S2R + cellen (EEN) en zoals uitgelijnd in karyogrammen (B). Ofwel wildtype, of dichtbij wildtype chromosoom 2 s en 3 s worden aangeduid met '2' en '3'. Als er herschikkingen op zijn gevonden, zoals deleties, inversie of translocaties, zijn ze gemarkeerd met 'r' (2r en 3r). Kleine chromosomen die euchromatisch materiaal droegen dat was bevestigd aan een centromeer gebied dat waarschijnlijk afkomstig was van een groot autosoom, worden aangeduid als 'am'. Chromosomen waarvan de oorsprong niet kon worden bepaald, worden aangeduid met 'nd'. (C) Chromosoomgetallen in metafasen vanaf 145 S2R + cellen. (NS) Een heatmap met een samenvatting van het aantal chromosomen. Metafase-spreads voor alle cellijnen zijn te vinden in aanvullend bestand 1.

Interessant is dat de karyotypen van individuele cellen in alle lijnen varieerden (Figuur 2 Aanvullend bestand 1). Prima facie, is het variabele aantal chromosomen in de cellen in strijd met de consistentie van de DNA-Seq-oproepen. DNA-Seq-resultaten gaven bijvoorbeeld tetraploïdie aan voor: D17-c3 cellen, maar het karyogram toonde een gemengde toestand met diploïde en tetraploïde cellen. Ondanks deze heterogene ploïdieën vertoonden de DNA-Seq-waarden voor onafhankelijke culturen (gescheiden door een onbekend, maar verondersteld groot aantal passages) een goede overeenstemming. Deze gegevens suggereren dat zelfs als de karyotypen van cel tot cel verschillen, de verdeling van karyotypen stabiel is in de celpopulatie van een bepaalde lijn.

Chromosomale winsten en verliezen in cellijnen

We identificeerden frequente numerieke aberraties van de X-, Y- en vierde chromosomen. X-chromosoomkaryotype is een natuurlijke afwijking van het aantal kopieën die het geslacht bepaalt Drosophila. Seksuele identiteit wordt vroeg in de ontwikkeling vastgelegd door: Seks-dodelijk (Sxl) autoregulatie [42], dus afwijkingen in de X-chromosoom tot autosoom (X:A) verhouding die tijdens de kweek kunnen zijn opgetreden, zullen naar verwachting niet leiden tot een verandering in geslacht. Daarom gebruikten we het van DNA-Seq afgeleide kopienummer en vervolgens expressie van geslachtsbepalingsgenen in expressieprofileringsexperimenten (RNA-Seq) om af te leiden of de X-chromosoomkopie te wijten was aan het geslacht van het dier waarvan de lijn was afgeleid, of als de verandering van het kopienummer secundair was tijdens de kweek.

Bij controlevrouwen (Figuur 1) was er een enkele piek van DNA-leesdichtheid gecentreerd op ongeveer 1, ongeacht of de metingen werden toegewezen aan het X-chromosoom of aan autosomen. In de cellijnen waren er duidelijke gevallen van X:A = 1 (dat wil zeggen, vrouwelijk), X:A = 0,5 (dat wil zeggen, mannelijk), en enkele tussenliggende waarden. DNA-Seq-resultaten voor de S2-DRSC, BG3-c2, Kl.8, D20-c2, D20-c5, D4-c1, L1, mbn2, S1, S3, Sg4 en W2 lijnen vertoonden ondervertegenwoordiging van reads mapping naar het X-chromosoom (X:A <0.75), wat suggereert dat het mannelijke of vrouwelijke cellen zijn die de X-chromosoomsequentie hebben verloren. Evenzo, volgens deze criteria Kc167, D8, D9, D16-c3 en D17-c3 cellen lijken vrouwelijk te zijn (X:A >0.75), maar kunnen ook mannelijk zijn met uitgebreide X-chromosoomduplicaties. Cytologische analyse bevestigde deze bevindingen (aanvullend bestand 1).

Om de seksuele identiteit te bepalen, analyseerden we de expressie van geslachtsbepalende genen en isovormen van RNA-Seq-gegevens in vergelijking met die van 100 verschillende lijnen van gesekst D. melanogaster volwassenen (tabel 2). In Drosophila, het MSL-complex (MSL-1, MSL-2, MSL-3, MLE-eiwitten en RoX1 en RoX2 niet-coderende RNA's) lokaliseren op het X-chromosoom en hyperactiveren genexpressie om de transcriptieniveaus in evenwicht te brengen met die van autosomen [43]. De alternatieve splitsing van Sxl pre-mRNA's regelen de productie van SXL-eiwit, die op zijn beurt de vorming van MSL reguleert door te moduleren msl-2 splicing en eiwitniveaus. Sxl regelt ook geslachtsdifferentiatie via de splicing van transformator (vervoer) pre-mRNA [44, 45]. Behalve voor D9 cellen, zagen we dat de twee RNA-componenten van het mannelijk-specifieke MSL-complex (roX1 en roX2) genen werden tot expressie gebracht op vrouwelijke niveaus in de cellijnen met X:A >0.75 (Kc167, 1182-4H, D8, D16-c3, en D17-c3), wat suggereert dat de waargenomen DNA-Seq-kopieaantalwaarden te wijten waren aan de vrouwelijke identiteit van de cellen die werden gebruikt om deze culturen vast te stellen. Evenzo, cellijnen met een X:A <0.75 (D4-c1, BG3-c2, Kl.8, D20-c5, L1, mbn2, S2-DRSC, S2R+, S3, Sg4, W2 en S1) uitgedrukt roX1 en/of roX2 op mannelijk niveau, wat weer consistent was met het afgeleide geslacht. De uitdrukking van msl-2, vervoer, en Sxl waren ook consistent met geslachtskaryotype. Over het algemeen vertoonden de cellijnen met een X:A >0.75 vrouwelijke expressie, terwijl die met een ratio van <0.75 mannelijke expressie vertoonden (P < 0,01, t-test) was er echter enige onduidelijkheid. Bijvoorbeeld, D9 uitgedrukt tussenliggende niveaus van roX1, mannelijke niveaus van msl-2 en vrouwelijk vervoer. We suggereren dat in de meeste gevallen het X-chromosoomkaryotype het resultaat is van het geslacht van de brondieren, maar waar karyotype en geslachtsdifferentiatiestatus dubbelzinnig zijn, kan het X-chromosoomkopie-aantal te wijten zijn aan winsten/verliezen tijdens de kweek.

Interessant is dat beide functioneel overbodig zijn roX genen werden tot expressie gebracht in hele volwassen mannen (niet getoond), terwijl in de cellijnen, soms slechts één roX gen kwam sterk tot uiting. Om te bepalen of de uitdrukking van een enkele roX gen voldoende was voor door MSL-complex gemedieerde doseringscompensatie, maten we X-chromosoomgenexpressie ten opzichte van autosomen. Algehele transcriptniveaus van genen van de X-chromosomen in de cellen die tot expressie kwamen roX genen op mannelijk niveau waren niet significant verschillend van die van autosomen (P > 0.25 voor alle cellijnen, t-test), wat suggereert dat het hebben van een single roX is voldoende voor een normale dosiscompensatie van het X-chromosoom in deze cellijnen.

We observeerden frequent verlies van het Y-chromosoom van de mannelijke cellijnen. De D. melanogaster Het Y-chromosoom is momenteel niet samengesteld, maar er zijn enkele Y-chromosoomgenen bekend. DNA-Seq-waarden werden in kaart gebracht op het Y-chromosoom (chrYHet) in een minderheid van de mannelijke cellijnen (BG3-c2, Kl.8, S1, en W2) en we observeerden Y-chromosomen door cytologie in BG3-c2, Kl.8 en S1 regels (aanvullend bestand 1). Het niet in kaart brengen leest naar Y-chromosomen in de andere mannelijke lijnen (D20-c5, L1, mbn2, S2-DSRC, S2R+, S3, Sg4) was ook consistent met karyogrammen en weerspiegelt het verlies van Y-chromosomen (aanvullend bestand 1). Het Y-chromosoom draagt ​​slechts enkele vruchtbaarheidsgenen (X/0-vliegen zijn steriele mannetjes) die buiten de kiembaan van weinig belang zouden moeten zijn. Frequent verlies suggereert dat er weinig selectieve druk is om een ​​Y in weefselkweekcellen te behouden.

Ten slotte hebben we wijdverbreid verlies/winst van het korte (ongeveer 1,4 Mb) vierde chromosoom in cellijnen waargenomen door zowel DNA-Seq als cytologie (Figuur 3A aanvullend bestand 1). Het aantal vierde chromosomen was ook variabel binnen cellijnen. Ter illustratie, in Kl.8 cellen waar de algehele genoomstructuur relatief intact diploïdie is, varieerde het aantal vierde chromosomen van 0 tot 3. Deze waarneming werd ook ondersteund door DNA-Seq-resultaten, die een duidelijke afname van het aantal kopieën aantoonden (gecombineerd P < 1.0e-11, false discovery rate (FDR) gecorrigeerde permutatietest).

DNA-kopie nummers. (EEN) Plots van in kaart gebracht DNA lezen dichtheid langs het genoom. Afgeleid exemplaarnummer wordt aangegeven met kleur (zie sleutel). (B) Heatmaps geven weer hoeveel cellijnen een verhoogd (groen) of verlaagd (rood) aantal kopieën hebben. Zwarte lijnen in de eerste twee rijen geven betekenis aan. Blauwe lijnen geven breekpunten aan. Zwart in de onderste rij toont het aantal breekpunten dat door de 19 cellijnen wordt gedeeld. (C) Een ingezoomde kaart van het subtelomere gebied (1 Mb) van chromosoom 3 L. Sterretjes: genen binnen de sterk gedupliceerde regio's. Genen met weinig of geen functionele informatie ('CG'-namen) zijn kortheidshalve weggelaten.

Wijzigingen in segment- en focale kopienummers

We observeerden frequente subchromosomale kopienummerwijzigingen (Figuur 3A aanvullend bestand 3). Enkele van de grotere afwijkingen van ploïdie waren ook herkenbaar in de karyogrammen. Bijvoorbeeld mitotische spreads van S1 cellen vertoonden een acrocentrisch chromosoom dat eruitzag als de linkerarm van chromosoom 2 ('2r' in aanvullend bestand 1), wat werd weerspiegeld in DNA-Seq-gegevens als een verlengd blok met een hoog aantal kopieën. De meeste focale veranderingen waren echter submicroscopisch in het lage megabasebereik. Gezamenlijk zagen we meer stijgingen van het aantal kopieën (1.702) dan dalingen (388). Gemiddeld werd 12,9% van het haploïde genoom gedupliceerd of gewonnen, terwijl 6,3% werd verwijderd of verloren 95% van de kopieaantalblokken was korter dan 0,8 Mb (mediaan = 37 kb) in het geval van verhoogde kopie en 1,8 Mb (mediaan = 97 kb) bij verkleind exemplaar.

DNA-Seq-gegevens toonden aan dat de genoomstructuur cellijnspecifiek was. Bijvoorbeeld in Kl.8 cellen zagen we weinig veranderingen in het aantal kopieën, die verspreid waren over meerdere kleine segmenten die slechts 0,88% van het genoom beslaan. In tegenstelling, in S2-DRSC en Kc167 cellen, hebben we veranderingen in het aantal kopieën waargenomen voor >30% van het genoom. interessant, Kc167 cellen hadden meer regio's met een laag aantal kopieën dan regio's met een hoog aantal kopieën, terwijl S2-DRSC had meer regio's met een hoog aantal kopieën dan regio's met een laag aantal kopieën. Deze gegevens geven aan dat er fundamenteel verschillende routes zijn naar een sterk herschikte genomische toestand.

Hoewel de algemene genoomstructuren cellijnspecifiek waren, hebben we wel regio's met terugkerende verandering van het aantal kopieën waargenomen. Terwijl sommige cellijnen (bijvoorbeeld S2R + en S2-DRSC) zijn afgeleid van een enkele voorouderlijke cellijn en verschillen door divergentie, de meeste cellijnen werden onafhankelijk geïsoleerd, wat suggereert dat overeenkomsten in de genoomstructuur optraden door convergente evolutie onder constante selectie voor groei in kweek. Ons onderzoek onthulde 89 regio's van het genoom die in totaal ongeveer 9,3 Mb beslaan en die een sterke verrijking vertonen voor een verhoogd aantal kopieën (Figuur 3B P < 0,05, FDR-gecorrigeerde permutatietest). Van die segmenten waren 51 regio's langer dan 5 kb. We vonden ook 19 regio's die ongeveer 2,9 Mb beslaan met een significante verrijking voor afname van kopienummer 14 van deze regio's waren langer dan 5 kb. Driver-genen die groei in cultuur bevorderen, kunnen zich in deze regio's bevinden.

We hebben regio's met terugkerende kopienummerwijzigingen nader onderzocht om enkele kandidaat-chauffeurs te identificeren. Ter illustratie werden in 10/19 cellijnen (gecombineerde P < 1.0e-16, FDR-gecorrigeerde permutatietest). Het meest overlappende segment binnen dit gebied was een duplicatiegebied van ongeveer 30 kb. Er zijn zes geannoteerde genen in dit gedupliceerde kernsegment (Figuur 3C, sterretjes): CR43334 (pri-RNA voor kriel), UDP-galactose 4′-epimerase (storm), CG3402, Mediator complexe subeenheid 30 en UV-reverteerbaar gen 1 (Rev1). Toen we vroegen of een van deze specifieke genen een verhoogd aantal kopieën vertoonde in de andere cellijnen, zelfs als de segmentstructuur ontbrak, ontdekten we dat CR43334 en Rev1 had hogere kopieaantallen in vijf extra cellijnen. Als een ander voorbeeld werd een duplicatiegebied van ongeveer 19 kb in chromosoom 2 L gevonden in 10 verschillende cellijnen (gecombineerd) P < 1.0e-17). Deze regio bevatte slechts één gen, PDGF- en VEGF-receptor gerelateerd (Pvr), wat suggereert dat het aantal kopieën voor dit gen sterk wordt geselecteerd in celkweek. Als genen in deze recidiverende regio's met een toename van het aantal kopieën de aanjagers zouden zijn, dan zouden we verwachten dat ze in de cellen tot expressie zouden worden gebracht. Inderdaad, pri-kriel en Pvr genen werden sterk tot expressie gebracht in de cellijnen (aanvullend bestand 4).

Mechanismen die segmentale en focale kopienummerwijzigingen genereren

Het creëren van gemeenschappelijke wijzigingen in het aantal kopieën zou worden vergemakkelijkt door herhaalde breuk op 'hot spots' in het genoom als gevolg van microhomologiegebieden of langere stukken als gevolg van structuren zoals ingevoegde transposons. Bij afwezigheid van selectie zou de bestaande breekpuntverdeling de posities van dergelijke hotspots in kaart brengen. We hebben breekpunten in kaart gebracht door lees-tellingsfluctuaties in elk 1 kb-venster over het genoom te onderzoeken om 2.411 locaties met onderbrekingen in ten minste één van de 19 cellijnen te identificeren (Figuur 3B Aanvullend bestand 3). Onder deze breekpunten ontdekten we 51 hotspots van discontinuïteit in kopienummers in hetzelfde venster van 1 kb (P = 5.00e-06, permutatietest). Dit suggereert dat er gebieden in het genoom zijn die frequente onderbrekingen hebben in weefselkweekcellen. Onderzoek van hotspots onthulde 18 met lange terminale herhalingen (LTR's) of lange afgewisselde elementen (LINE's) in de referentieassemblage, en nog eens 9 regio's vertoonden eenvoudige DNA-herhalingen binnen de vensters van 1 kb (± 1 kb). Deze waarnemingen komen overeen met rapporten over oververtegenwoordiging van herhalingen van sequenties op breekpunten van het aantal kopieën [13], en met de gesuggereerde rol van transponeerbare elementen bij de vorming van varianten van het aantal kopieën [46, 47]. Voor de recurrente regio's voor het wijzigen van het aantal kopieën zagen we een brede regionale verrijking voor breekpunten (P = 4.07e-10, Fisher's exact test), maar geen exacte locaties. Deze gegevens suggereren dat er zowel structurele kenmerken in het genoom waren die het genereren van wijzigingen in het aantal kopieën bevorderden, als selectie die bepaalde welke wijzigingen in het kopienummer werden behouden.

Expressie- en DNA/chromatine-bindingsprofielen in relatie tot het aantal kopieën

Als veranderingen in het aantal kopieën een rol spelen bij cellulaire fitheid, kan het effect worden gemedieerd door veranderde genexpressie. We onderzochten daarom de relatie tussen gendosis en expressie in 8 cellijnen met meer dan 100 tot expressie gebrachte genen in segmenten met een hoog of laag aantal kopieën (Figuur 4). In zeven cellijnen (S2-DRSC, S2R+, mbn2, Kc167, D8, D9 en D17-c3) mRNA-niveau was positief gecorreleerd met gendosis. Er was geen correlatie tussen genexpressie en gendeosis in Sg4 cellen. Zelfs in de gevallen waarin de correlatie positief was, was de correlatie meestal niet lineair, zoals eerder is waargenomen [31]. In de meeste lijnen zagen we verminderde expressie per kopie van genen met een hoog aantal kopieën (P < 0,05, Mann-Whitney U toets). Evenzo was de algehele genexpressie van de genen met een laag aantal kopieën matig hoger dan verwacht per kopie (Figuur 4). Deze sublineaire relatie is bewijs voor een transcriptioneel dempend effect.

Kopieer nummer en uitdrukking. RNA-Seq-analyse van S2-DRSC, S2R+, Sg4, mbn2, Kc167, D8, D9 en D17-c2 cellen. Boxplots tonen interkwartielbereiken van de verdeling van FPKM-waarden (fragmenten per kilobase per miljoen aflezingen) van tot expressie gebrachte genen (FPKM >1) voor verschillende kopienummerklassen in de aangegeven regels. Het aantal genen in elke klasse wordt weergegeven. Alle FPKM-waarden zijn zo gecentreerd dat de mediaan van genexpressie van het normale aantal kopieën 0 is. De bovenste, middelste en onderste lijnen van de vakken komen respectievelijk overeen met het bovenste kwartiel (Q3), het mediaan en het onderste kwartiel (Q1) in de verdeling. Inkepingen tonen het 95%-betrouwbaarheidsinterval van elke mediaan. Whiskers geven de maximale of minimale waarde aan die nog steeds binnen 1,5 keer de interkwartielafstand (Q3 - Q1) van respectievelijk Q3 of Q1 ligt. Horizontale stippellijnen geven de verwachte FPKM-waarden aan op basis van een één-op-één relatie tussen gendeosis en expressie. Sterretjes weergeven P-waarden, bepaald door Mann-Whitney U toets (*P < 0,05, **P < 0,01, ***P < 0,001).

De transcriptionele respons op het aantal genkopieën kan genspecifiek of dosisspecifiek zijn. Van een dosisspecifiek compensatiesysteem zou kunnen worden verwacht dat het resulteert in een globale verandering in de chromatinestructuur die overeenkomt met het aantal kopie-segmenten. Er is een precedent voor dergelijke dosisspecifieke modificaties van X- en vierde chromosomen. Bijvoorbeeld de modENCODE chromatinestructuuranalyse van S2-DRSC cellen vertonen duidelijk verschillen tussen X en autosomaal chromatine met behulp van een groot aantal histonmodificaties of binding van chromatine-geassocieerde eiwitten (Figuur 5). Dit komt overeen met de globale regulatie van de X in deze mannelijke cellen door het MSL-complex en misschien andere regulatoren [27, 28].

Kopieer nummers en chromatine-immunoprecipitatie. (A,B) Een heatmap die de correlatie tussen kopieaantallen en chromatine-immunoprecipitatie (ChIP) -signalen van tot expressie gebrachte genen in S2-DRSC (EEN) of Kc167 (B) cel lijnen. Doeleiwitten voor ChIP- en modENCODE-indieningsnummers worden vermeld (rechterkant). Kolommen tonen autosomale promotorregio's (1 kb stroomopwaarts van transcriptiestart) en genlichaamregio's zoals aangegeven. (CD) ChIP-signalen van H3K9me2 (C) en ZO(HW) (NS) bij autosoom worden genlichamen weergegeven tegen verschillende kopienummerklassen als boxplots (S2-DRSC cellen). Bovenste, middelste en onderste regels van vakken voor respectievelijk bovenste kwartiel-, mediaan- en onderste kwartielpunten. Inkepingen geven het 95%-betrouwbaarheidsinterval van elke mediaan aan en snorharen geven de maximale of minimale waarde weer binnen het bereik van respectievelijk 1,5 keer de interkwartielafstand. Punten geven individuele genen weer binnen verschillende kopienummerklassen. Pearson's correlatie voor R en de betekenis ervan (P-waarde). (E,F) ISWI ChIP-signaal geanalyseerd op X-chromosoomgenlichamen bij een man (S2-DRSC E) en een vrouw (Kc167 F) cellijn. TSS, startsite voor transcriptie.

Om te bepalen of er een chromatinehandtekening was voor het kopienummer, vroegen we of er histonmodificatiemarkeringen of bezettingssites waren die correleerden met kopienummerklassen in 232 modENCODE ChIP-chip-datasets van S2-DRSC, Kc167, BG3-c2 en Kl.8 cellen. We zagen slechts enkele zwakke correlaties (|R| = 0,1 tot 0,3), beperkt tot histon H3K9 di- en trimethyleringstekens en hun verwante eiwitten (Figuur 5), Suppressor of Hairy Wing (SU(HW)) en Imitation SWI (ISWI). Deze correlaties waren iets sterker voor tot expressie gebrachte genen. Interessant is dat ISWI-binding gecorreleerd is met het aantal kopieën op het X-chromosoom van de man S2-DRSC cellen, maar niet vrouwelijk Kc167 cel X-chromosomen. ISWI-binding correleerde niet met autosomen van beide lijnen. Deze lokalisatie op de X is consistent met de bekende rol van ISWI-eiwit in de X-chromosoomstructuur, aangezien ISWI-mutante fenotypes cytologisch zichtbaar 'los' X-chromatine alleen bij mannen bevatten [48, 49]. We ontdekten dat histon H3K9me2- en me3-markeringen negatief gecorreleerd waren met het aantal genkopieën in alle vier geteste cellijnen op alle chromosomen. De histon H3K9-methyltransferase, Suppressor of variegation 3-9 (SU(VAR)3-9), vertoonde hetzelfde bindingspatroon, wat sterk het idee ondersteunt dat H3K9-methylatie een kopie-aantalafhankelijk merkteken is. H3K9me2 en H3K9me3 epigenetische kenmerken zijn geassocieerd met transcriptionele repressie [50]. SU (HW) functioneert in de chromatine-organisatie en is het best bekend voor het voorkomen van productieve versterkerpromotorinteractie. De relatie is dus het tegenovergestelde dat men zou verwachten als H3K9me2, H3K9me3 en SU(HW) verantwoordelijk waren voor de verminderde expressie per kopie die we waarnamen toen het aantal kopieën werd verhoogd. Deze resultaten zijn meer consistent met selectie om de expressie van deze regio's te verminderen door zowel een verminderd aantal kopieën als een transcriptioneel ongunstige chromatinestructuur.

Traject coherentie

Als er is geselecteerd op bepaalde voordelige kopie-aantalconfiguraties in de cellijnen, dan zou dit moeten resulteren in een coherent patroon van gebeurtenissen in termen van specifieke cellulaire activiteiten zoals groeicontrole. Als een analytisch hulpmiddel voor de eerste doorgang hebben we een analyse van de verrijking van de term Gene Ontology (GO) uitgevoerd om te bepalen of wijzigingen in het aantal kopieën verband hielden met bepaalde functies (Figuur 6 Aanvullend bestand 4). Weefselkweekcellen hebben geen duidelijke behoefte aan veel van de functies die verband houden met de complexe interacties tussen weefsels en organen in een heel organisme en zouden geen terminale differentiatie moeten ondergaan. We ontdekten inderdaad dat genen met differentiatiefuncties willekeurig werden gevonden in regio's voor het veranderen van het aantal kopieën, maar waren verrijkt in regio's met een laag aantal kopieën in Kc167 cellen (P < 0,001, Holm-Bonferroni gecorrigeerde hypergeometrische test). Bovendien vonden we een verhoogd aantal kopieën van genen die coderen voor leden van het dREAM-complex in S2-DRSC, mbn2, S1 en S2R + cellen. Het dREAM-complex onderdrukt differentiatie-specifieke genexpressie [51, 52], consistent met selectie voor wijzigingen in het aantal kopieën, waardoor differentiatie wordt geminimaliseerd.

Genontologie en kopienummer in S2-DRSC en Kc167 cellen. (EEN) ‘Biologische processen’ subontologie van oververtegenwoordigde genen in S2-DRSC cellen als een hiërarchische structuur. Cirkelgrootte komt overeen met relatieve verrijking van de term in GO-categorieën. Cirkelkleuren vertegenwoordigen P-waarden (Holm-Bonferroni gecorrigeerde hypergeometrische test). (B) GO-verrijking van genen in segmenten met een laag aantal kopieën van Kc167 cellen. Houd er rekening mee dat beide S2-DRSC laag en Kc167 genen met een hoog aantal kopieën zijn niet significant verrijkt in specifieke GO-categorieën.

De belangrijkste verenigingen (P < 0,001) tussen exemplaarnummerklasse en functie waren met genen met celcyclus-, metabolische of reproductiegerelateerde GO-termen (reproductiegerelateerde categorieën bevatten veel van de celcyclusgenen vanwege de hoge mate van celdeling in de kiembaan ten opzichte van somatische cellen bij volwassenen Drosophila).Interessant is dat genen met celcyclusgerelateerde functies verrijkt waren in beide regio's met een hoog aantal kopieën in S2-DRSC en low-copy regio's in Kc167 cellen (P < 0,001 voor beide). De context van deze tweedeling was informatief. Genen met hoge kopieaantallen in S2-DRSC cellen inbegrepen Ras-oncogen bij 85D, snaar, Cycline D, cdc2en andere positieve regulatoren van celcyclusprogressie of mitotische binnenkomst. Deze gegevens suggereren dat selectie voor groei plaatsvond in S2-DRSC cellen. Daarentegen tumorsuppressorgenen en negatieve regulatoren van de celcyclus, waaronder: Retinoblastoom-familie eiwit (Rbf), Borstkanker 2 homoloog met vroege aanvang (Brca2), en wee, werden bij voorkeur gevonden in de regio's met een laag aantal kopieën van Kc167 cellen, wat suggereert dat remmers van celgroei werden geselecteerd tegen in Kc167 cellen. Zo kunnen zowel de gebeurtenissen met het hoge kopieaantal als het lage aantal kopieën worden verklaard door selectie op proliferatie.

Compenserende kopienummerwijzigingen

Nummerwijzigingen kopiëren naar volwassene Drosophila resulteren in verspreiding van transcriptionele effecten in de rest van het genoom [53]. Omdat deze gebeurtenissen de genbalans in paden en complexen kunnen destabiliseren, veronderstelden we dat compenserende veranderingen in het aantal kopieën de fitheid zouden kunnen verbeteren. Om deze mogelijkheid te onderzoeken, vroegen we of genen het aantal kopieën hebben veranderd om de eiwit-eiwit complexe stoichiometrie te behouden door het kopiëren van informatie over het aantal kopieën van S2R + cellen op een fysiek eiwitinteractienetwerk dat is opgebouwd uit complexen die uit dezelfde cellijn zijn geïsoleerd [54].

Er waren 142 eiwit-eiwit-interactienetwerken die ten minste één genproduct bevatten dat werd gecodeerd uit regio's voor het veranderen van het aantal kopieën (Figuur 7A). Hiervan identificeerden we 84 complexen met >90% gelijktijdige verandering van het aantal kopieën in dezelfde richting op genniveau (P = 0,041, permutatietest). Deze veranderingen in het aantal kopieën waren niet het gevolg van passagierseffecten, aangezien stoichiometrie-behoudende veranderingen in het aantal kopieën nog steeds duidelijk waren na filtering op nabijgelegen genen (P = 0,03). Voorbeelden waren de genen die coderen voor Vacuolaire H + ATPase (P = 0,017, hypergeometrische test) en Dim γ-tubuline (DGT) complexen (P = 0,004), waar leden tot genen met een hoog aantal kopieën behoorden (Figuur 7B, C). Voor beide complexen waren genen die coderen voor hun componenten verspreid over vijf verschillende chromosoomarmen, waarbij slechts een paar genen <0,5 Mb nabijheid vertoonden, wat aangeeft dat de co-associaties niet te wijten zijn aan eenvoudige fysieke nabijheid in het genoom. We identificeerden ook complexen waar de coderende genen in lage kopie waren, zoals een cytochroom P450-gerelateerd complex (P = 0,001 Figuur 7D). We vonden gecorreleerde veranderingen in het aantal kopieën, zelfs voor zeer grote complexen, zoals het kleine GTPase-gerelateerde complex (cluster 6), dat 38 eiwitten heeft. Vierentwintig van de loci-coderingscluster 6-leden waren aanwezig bij een hoge kopie (Figuur 7E P = 5e-04). Door complexen te onderzoeken waar we geen eenvoudige correlatie konden scoren, ontdekten we meer gecompliceerde patronen waarbij subcomponenten van het complex gecorreleerde en anti-gecorreleerde kopienummerveranderingen vertonen. Een goede illustratie is het proteasoom (Figuur 7F). Hoewel de algehele samenstelling consistent was met genoombrede kopieaantalniveaus, ontdekten we dat genen die coderen voor het deksel van de regulerende 19S-subeenheid een coherente afname van het aantal kopieën vertoonden in S2R + cellen (P = 0,015, hypergeometrische test). Daarentegen werden eiwitten die de basis- en alfa-type subeenheden van de 20S-kern vormen, gedomineerd door toename van het aantal kopieën (P = respectievelijk 0,017 en 0,014). Dit suggereert dat het daadwerkelijke optreden van coherente kopie-aantalveranderingen tussen genen die coderen voor eiwitcomplexleden mogelijk hoger zijn dan wat we hier rapporteren.

Kopieer nummer en fysieke interactienetwerken. (EEN) Een ternaire grafiek die fracties van genen met een hoog, normaal en laag aantal kopieën weergeeft die coderen voor complexen in Drosophila eiwit-eiwit interactienetwerken. Elk punt komt overeen met een eiwitcomplex of een cluster. Afstanden van de drie apexen in de driehoek geven een fractie van de clusterleden van een gegeven exemplaarnummerklasse aan. Gestippelde lijnen geven het verwachte deel van elke exemplaarnummerklasse aan op basis van een willekeurige verdeling van S2R + cellijn kopie nummers. Complexen waarbij de samenstelling van het aantal kopieën significant verschilt van de verwachte verhouding (P < 0,05, hypergeometrische test) zijn blauw ingevuld. (B-F) Eiwitinteractienetwerken beschreven en gelabeld in (EEN). Groen, hoge kopie genproducten rood, laag wit, normaal. Voor (F), werden zes eiwitten weggelaten waarvan de associaties met de proteasoomdelen niet duidelijk zijn in de literatuur.


FLYBASE EN DE FLY COMMUNITY

We raden aan om in publicaties naar FlyBase te verwijzen door deze publicatie en de FlyBase-URL (http://flybase.org) te citeren. We raden ook aan dat wanneer u FlyBase-gegevens gebruikt (in uw notitieboekjes, spreadsheets, papieren enz.), u de release van de FlyBase-website noteert (bijv. FB2011_08 de huidige release is te vinden in de kop- en voettekst op elke pagina) en/ of de gesequenced species assembly.version release (bijv D. melanogaster R5.40, gevonden in de GBrowse-header). Daarnaast raden we auteurs aan om naast symbolen ook FlyBase-object-ID's (bijv. FBgn en FBal) op te nemen voor de ondubbelzinnige identificatie van beoogde FlyBase-entiteiten. Ten slotte raden we aan dat u bij het voorbereiden van aanvullend materiaal tabelgegevens verstrekt in door tabs gescheiden bestanden of in een spreadsheet in plaats van een PDF. Het opvolgen van deze aanbevelingen zal FlyBase-curatoren enorm helpen bij het integreren van uw gegevens in FlyBase.


Uitgelicht op de OSDC

Een cloudgebaseerd systeem voor genomische data, ontwikkeld in samenwerking met het Institute for Genomics and Systems Biology van de University of Chicago. Bionimbus wordt gebruikt door leden van het door de NIH gefinancierde modENCODE Consortium om de door het project geproduceerde gegevens te analyseren.

Een samenwerking met NASA om satellietbeelden van Earth Observing 1 (EO-1) te verwerken om branden en overstromingen te detecteren en relevante informatie te verstrekken aan eerstehulpverleners. De gegevens zijn vrij beschikbaar van de OSDC voor geïnteresseerde gebruikers.

De open source software die de OSDC-console aanstuurt, genoemd naar John Tukey, een Amerikaanse wiskundige. Tukey heeft een aantal functies die niet te vinden zijn in andere cloudconsole-applicaties.

Leer meer over de OSDC in deze korte video met OSDC-oprichters en partners op de Supercomputing Conference 2013 in Denver, Colorado.


DISCUSSIE

De afgelopen 15 jaar zijn er veel bioinformatica-methoden en -tools ontwikkeld voor: cis-regulerende sequentieanalyse (64). Grofweg kunnen ze worden onderverdeeld in twee categorieën. De eerste categorie is methoden voor het ontdekken van motieven op een set van co-gereguleerde sequenties, zoals MEME-achtige benaderingen (er bestaan ​​tientallen methoden en uitbreidingen). De tweede categorie zijn methoden voor CRM-voorspelling door middel van scannen van het hele genoom met behulp van een of meer bekende motieven als invoer, vaak met behulp van verborgen Markov-modellen en aanwijzingen voor sequentiebehoud [zie (65) voor een overzicht]. Een paar methoden, zoals phylCRM/Lever, ModuleMiner en cisTargetX, combineren beide benaderingen en laten verhoogde prestaties voor het ontdekken van motieven zien, zelfs wanneer zeer grote stroomopwaartse regio's en introns in de analyse worden opgenomen (28, 30, 31). Het concept van deze integratieve methoden is om genoombrede CRM-scores toe te passen, inclusief vergelijkende genomica-aanwijzingen, voor veel verschillende modellen (bijv. PWM's), gevolgd door de identificatie van die specifieke modellen die de hoogste nauwkeurigheid opleveren op een set van mede tot expressie gebrachte genen . In dit werk hebben we drie belangrijke nieuwigheden geïntroduceerd in een nieuwe methode, genaamd i-cisTarget. De eerste is de a priori bepaling van 136K te scoren regio's, wat leidt tot een grotere flexibiliteit. In het bijzonder maakt deze verdeling van het genoom het mogelijk om zowel datasets van genomische loci te analyseren (door alle 136K-regio's te selecteren die deze loci overlappen) en tot co-expressie gebrachte genensets (door alle 136K-regio's te selecteren die in de stroomopwaartse en intronische ruimte vallen van alle genen in de set). In deze studie hebben we goede resultaten verkregen voor een genoomsegmentatie met behulp van sequentieconservering (phastCons) gecombineerd met isolatorplaatsen, en met uitsluiting van coderende exons. We stellen ons echter voor dat er verbeteringen kunnen worden aangebracht in de genoomsegmentatie, bijvoorbeeld door codering van exons (66) of door een segmentatie te gebruiken die wordt geleid door de datasets met hoge doorvoer (d.w.z. de iVE's) zelf. Dit laatste kan praktisch worden omdat er steeds meer datasets worden gegenereerd met overlappende resultaten, die uiteindelijk kunnen convergeren naar een gedefinieerde set van regelgevende regio's. De tweede nieuwigheid is de veralgemening van het ontdekken van regulerende kenmerken, met de mogelijkheid om verrijkte motieven (als PWM's) te identificeren, maar ook verrijkte iVE's zoals ChIP-pieken en actieve/repressieve chromatine-markeringen. De derde nieuwigheid is de mogelijkheid om elke combinatie van regulerende functies uit te voeren, zelfs over verschillende soorten functies (bijvoorbeeld een motief met een ChIP- of DHS-functie).

Alles bij elkaar maken deze functies het mogelijk om de meeste soorten high-throughput-gegevens te analyseren die beschikbaar zijn in Drosophila, en om verschillende analyses te combineren met dezelfde tool voor verschillende datasets. Het is bijvoorbeeld mogelijk om de analyse van bindingslocatiegegevens voor een bepaalde factor (ChIP) te combineren met de analyse van de overeenkomstige expressiegegevens in mutante omstandigheden voor deze factor, zoals we hebben aangetoond voor MEF2 (57) en Zelda (48, 56).

We hebben onze tools toegepast op verschillende datasets, waarbij we genensets onderscheiden van sets van genomische loci. Voor genensets hebben we aangetoond dat i-cisTarget de verrijking van het juiste motief identificeert in de meeste genensets die we hebben onderzocht. Het falen om dit te doen kan worden verklaard door de specificiteit van het bindingsmotief voor bepaalde aandoeningen of weefsels. Verrijkte iVE's kunnen leiden tot interessante nieuwe hypothesen, zoals de samenwerking tussen dochterloos en Medea, afgeleid uit de PNC-setanalyse, die lijkt op de recente ontdekking van Smad samenwerking met hoofdregulatoren ( 53) of de voorspelling van nieuwe TF-doelwit- en TF-TF-interacties tussen celtypen in Drosophila, zoals werd aangetoond voor Kenyon-cellen, pericardiale cellen en cardioblasten (Figuur 5). Bovendien leiden de ontdekte motieven tot CRM-voorspellingen in het 5 kb + 5′-UTR + eerste intron van de inputgenen die een hoge specificiteit hebben om regulerende regio's te zijn, zoals werd aangetoond op de zelda LOF-gegevensset ( 56) en de PNC-gegevensset ( 51). Een huidige beperking van i-cisTarget, bij het analyseren van genensets, is de willekeurige toewijzing van genomische regio's aan de genenset. Er zijn meerdere afbakeningen beschikbaar bij de i-cisTarget-webtool, bijvoorbeeld [5-kb upstream beperkt tot upstream-gen, 5′-UTR en eerste intron] of [10-kb upstream limited, 5′-UTR, alle introns, 3 ′-UTR en 10 kb stroomafwaarts beperkt tot stroomafwaarts gen] (zie de sectie 'Materialen en methoden'). Een toekomstige uitdaging blijft het identificeren van zeer distale versterkers en versterkers die de coderende sequentie van nabijgelegen genen overlappen (66). Een eenvoudige uitbreiding van de zoekruimte voor sequenties, met inbegrip van meer sequenties en met inbegrip van intronische en exonische sequenties van naburige genen, zal het probleem niet oplossen. Inderdaad, bij het toepassen van i-cisTarget op een stroomopwaartse en stroomafwaartse sequentie van 100 kb van de TSS (deze zoekruimte omvat 100% van REDfly CRM's), zonder deze sequentie bij naburige genen af ​​te kappen, daalt de prestatie dramatisch (zie aanvullende figuur S2).

We hebben ook verschillende ChIP-datasets gebruikt om de prestaties van i-cisTarget op sets van genomische loci te onderzoeken. Hier, wat betreft de genensets, presteert i-cisTarget zeer goed bij het herstellen van het verwachte motief uit een uitgebreide bibliotheek van motieven, maar benadrukt het ook de betrokkenheid van andere factoren, zoals Zelda of Trl in embryonale datasets. Hoewel het ontdekken of verrijken van motieven ook wordt uitgevoerd door verschillende andere tools (45, 67), voegt i-cisTarget de mogelijkheid toe om naar extra iVE's te zoeken. We hebben aangetoond dat een TF-bindingsplaats (TFBS) niet noodzakelijkerwijs overeenkomt met een binding evenement. Hoewel potentiële bindingsplaatsen voor HSF of MEF2 niet kunnen worden onderscheiden van werkelijke bindingsgebeurtenissen op basis van alleen motiefverrijking, selecteert het toevoegen van iVE's duidelijk markeringen die typisch zijn voor actief chromatine als het beste onderscheid tussen daadwerkelijk gebonden of ongebonden sites. We benadrukken dat dit resultaat wordt behaald ab initio, waarvan zonder enige voorkennis de relevante iVE's zijn. Daarom zijn er extra signalen nodig voor een TF om te binden aan een motiefsequentie, en deze zijn vaak gerelateerd aan tekens van open of actief chromatine: DNAse-overgevoelige plaatsen, binding van baanbrekende factoren zoals Trl of Zelda, wiens rol als een algemene voorloper van chromatine-opening is pas zeer recent verondersteld (48). Interessant is dat, hoewel in zowel HSF- als Mef2-gevallen, de gebonden motieven een verrijking vormen voor actieve kenmerken (GAF/Trl, CBP/p300 of DHS), het patroon van verrijkte kenmerken voor ongebonden motieven heel anders is. De ongebonden MEF2-motieven vormen namelijk een verrijking voor repressieve chromatinemarkeringen [Su(HW) of heterochromatine-achtige kenmerken], terwijl de ongebonden HSF-motieven geen van deze kenmerken vertonen, in overeenstemming met wat werd gerapporteerd in Guertin et al. ( 44). Dit kan wijzen op een duidelijk mechanisme van negatieve regulatie door middel van chromatineconformatie tussen ontwikkelingsprocessen en stressresponsroutes.

Een kenmerk van onze aanpak dat niet wordt gevonden in alternatieve onderzoeken, is het vermogen om gemakkelijk een willekeurig aantal kenmerken te combineren om het synergetische effect van verschillende kenmerken te onderzoeken. Omdat het gebaseerd is op rangen, maakt het gebruik van OS een 'on-the-fly' herrangschikking van de 136K-regio's met bepaalde combinaties mogelijk. We toonden op de PNC- en zelda-genenset aan dat combinaties van PWM en iVE hogere 1% -AUC's opleveren, wat een veel hogere specificiteit betekent in de hooggeplaatste regio's (Figuur 4). Dit laatste resultaat laat zien dat transcriptionele regulatie geen lineair proces is, in die zin dat de bijdragen van de combinatie van regulerende kenmerken meer zijn dan de toevoeging van individuele bijdragen, wat een synergetisch werkingsmechanisme onthult. Bovendien bevestigt het feit dat veel verschillende regulerende kenmerken zijn verrijkt in de datasets die we eerder hebben bestudeerd, dat transcriptionele regulatie intrinsiek een zeer combinatorisch proces is.

Deze twee aspecten (combinaties en synergie) zijn al eerder uitgebreid beschreven in de context van het enhanceosoommodel van regulatie (68, 69). In het bijzonder in DrosophilaUit analyse van een verzameling samengestelde CRM's bleek dat ze doorgaans worden gekenmerkt door een combinatie van verschillende TFBS's (70, 71). Dit heterotypisch model is aangetoond dat dit de algemene regel is, terwijl homotypische CRM's over het algemeen beperkt zijn tot vroege embryogenese (71).

Deze beschrijvingen waren echter alleen gericht op combinatorische regulering door TF's. Hier hebben we recent bewijs bevestigd dat deze combinatorische regulatie zich uitstrekt tot andere soorten regulerende kenmerken, zoals histonmodificaties, binding van chromatine-modificerende eiwitten of transcriptionele co-factoren zoals CBP. Daarom stellen we voor dat het begrip heterotypisch model van regulering moet worden uitgebreid om elke combinatie van regulerende kenmerken te beschrijven, inclusief motieven en chromatine-gerelateerde kenmerken. Net als bij de CRM-bevindingsprocedure die bestaat uit het vinden van clusters van TFBS voor verschillende TF's (26), introduceren we en laten we zien dat het zoeken naar 'clusters' van regulerende kenmerken de voorspellende kracht van regulerende sequentieanalyse kan verbeteren.

Hoewel onze methode momenteel van toepassing is op: Drosophila, kan het in principe worden uitgebreid tot elk ander organisme waarvoor grootschalige verzamelingen van in vivo datasets beschikbaar zijn, en in het bijzonder voor de mens. De veel grotere omvang van niet-coderende regio's in de mens en het lagere aandeel functioneel DNA in het menselijk genoom (72), zou echter vereisen dat kandidaat-regulerende regio's vooraf worden geselecteerd, omdat een volledige verdeling van het volledige niet-coderende genoom wordt gebruikt. rekenkundig onhandelbaar zou worden en te hoge geluidsniveaus zou bevatten. We werken momenteel aan de implementatie van i-cisTarget for human, met behulp van de verzameling ENCODE-datasets.


Handige gids voor het schrijven van een uitstekende biologie IA-paper voor IB

Wat is het doel van een IA-paper, vraag je je misschien af? Deze cruciale opdracht is bedoeld om de toepassing van hun vaardigheden en kennis door studenten in het onderwerp te evalueren. Het brengt theoretische kennis een stap voorwaarts en geeft studenten de kans om hun geleerde in praktijk te brengen.

Een geschikt onderwerp voor biologie kiezen IA

Veel hangt af van het onderwerp dat u kiest om over te schrijven voor uw biologie IA. Hier leest u hoe u ervoor kunt zorgen dat u de juiste keuze maakt die uw begrip van het onderwerp treffend laat zien.

Kies een interessant onderwerp

“Wat maakt dat uit? Ik zal gewoon iets in elkaar zetten” - nee, zo werkt het niet. Geloof het of niet - wanneer u niet geïnteresseerd bent in een onderwerp, weerspiegelt dit in uw werk.

Dus voordat u aan uw biologie IA begint, is het raadzaam een ​​onderwerp te kiezen dat u interesseert - iets dat u wilt onderzoeken en waarover u meer wilt weten.

Tijdens het brainstormen is het een goed idee om brede onderwerpen te bedenken en deze te verfijnen om uiteindelijk tot een gericht onderwerp of onderzoeksvraag te komen.

Blader door relevante bronnen

Inspiratie kan overal zijn - dit geldt niet alleen voor creatief schrijven, maar ook voor iets technischs zoals een Biology IA-paper.

Over welke relevante bronnen hebben we het hier? Blader door wetenschaps- of biologiewebsites zoals Science Daily, encyclopedieën en ga naar een bibliotheek om te zien of u biologieboeken of tijdschriften vindt die u op ideeën over onderwerpen kunnen brengen.

Zodra u onderwerpen identificeert die uw aandacht trekken, kunt u onderzoeksvragen formuleren die geschikt zijn voor deze opdracht.

Behoefte om complex onderzoek te betrekken

Hoe complex is complex? Nou, als je een onderwerp/onderzoeksvraag kiest die voor de hand liggend of simplistisch is, heeft je onderzoek echt geen waarde te bieden.

Op dezelfde manier is het ook een slecht idee om een ​​onderzoeksvraag te kiezen die in de klas is bestudeerd, omdat je je originaliteit niet gebruikt om iets nieuws op tafel te leggen. De enige manier om uw individualiteit en origineel denken te demonstreren, is door een nieuw onderwerp te kiezen.

Kies daarom een ​​onderwerp dat niet te breed of smal is. Een breed onderwerp is waarschijnlijk niet nieuw of gericht, en evenzo geeft een smal onderwerp u niet al te veel ruimte voor onderzoek en analyse.

Overweeg beperkingen

Hoewel sommige onderwerpen op papier misschien geweldig klinken, zijn ze misschien niet haalbaar gezien de tijd, apparatuur en middelen die je ter beschikking hebt.

Wees realistisch over de onderzoeksvraag en het onderzoek dat je van plan bent te doen - kan het worden gedaan in de tijd die je hebt? Is het experiment haalbaar? Heb je alle benodigde apparatuur? ..enzovoort.

Een ander belangrijk aspect om op te merken is dat je een sterke hypothese moet kunnen presenteren en je onafhankelijke en afhankelijke variabelen moet kunnen definiëren.

Moet veilig en ethisch zijn

Het onderwerp dat u kiest, moet in overeenstemming zijn met de veiligheids-, milieu- en ethische kwesties. Dit is een belangrijk protocol van elk experimenteel werk.

Als bij uw experiment bijvoorbeeld mensen of dieren betrokken zijn, moet u rekening houden met de gebruikte veiligheidsmaatregelen. IB heeft een strikt beleid tegen het toebrengen van schade en leed aan dieren. Evenzo, als er personen deelnemen aan uw onderzoek, moet u hiervoor hun toestemming krijgen.

Houd dit allemaal in gedachten en zorg ervoor dat u een onderwerp kiest dat dit protocol respecteert.

5 essentiële tips om een ​​hoog scorende biologie-IA te schrijven

Er zijn verschillende factoren die bijdragen aan een hoog scorende Biology IA-paper. Hier zijn 5 essentiële tips om u te helpen deze opdracht te voltooien.

Formuleer de vraag goed

De onderzoeksvraag vormt de eerste indruk van uw Biologie IA-paper - zorg ervoor dat u deze duidelijk en nauwkeurig formuleert. De vraag moet beknopt en gericht zijn. Als uw onderzoek bijvoorbeeld betrekking heeft op een bepaald organisme, vermeld dan de wetenschappelijke naam.

Houd rekening met elk markeringscriterium

Je wordt beoordeeld op de volgende criteria:

  • Persoonlijke betrokkenheid (2 punten)
  • Verkenning (6 punten)
  • Communicatie (4 punten)
  • Analyse (6 punten)
  • Evaluatie (6 punten)

Tijdens het schrijven van de paper is het belangrijk dat je rekening houdt met elk van deze dingen, want zo zal het door de leraar worden bekeken. De beoordelingscriteria zijn zo ontworpen dat elk aspect van de vaardigheden en kennis van de student wordt geëvalueerd.

Persoonlijke betrokkenheid is gericht op het beoordelen van de originaliteit en creativiteit van studenten - de IA-paper moet het unieke denkproces van de student demonstreren tijdens het uitvoeren van het onderzoek.

Verkenning verwijst naar de methodologie die is uitgevoerd om het onderzoek te voltooien en naar de betrouwbaarheid en toereikendheid van de gebruikte gegevens.

Kijk hoe Alex Lee dieper ingaat op het demonstreren van 'exploratie' in de Biology IA-paper


Communicatie houdt rekening met de algehele presentatie van het papier, waaronder de papierstroom, woordenschat, grammatica, gebruik van wetenschappelijke termen en presentatie van gegevens.

Analyse bestudeert hoe de gegevens zijn gegenereerd en de behandeling die het heeft gekregen om tot de conclusie te komen. Elke getrokken conclusie moet gebaseerd zijn op het bewijs dat is verkregen uit de gegenereerde gegevens.

Evaluatie kijkt naar de relevantie van de conclusie en of het lukt om de onderzoeksvraag te beantwoorden.

Goed gestructureerd

Een goed gestructureerd en goed geschreven IA-paper zal u zeker hoge scores opleveren, omdat het alle belangrijke aspecten omvat die u geacht wordt te behandelen. Dit is de ideale structuur voor een Biology IA-paper.

  • Formuleer een duidelijk omschreven onderzoeksvraag op basis van het gekozen onderwerp voor uw IA
  • Maak het zo specifiek mogelijk door er een korte zin van te maken
  • Leg uw afhankelijke en onafhankelijke variabelen vast

Achtergrond informatie

  • Geef de theorie achter uw onderzoek en toon uw begrip
  • Plaats de onderzoeksvraag in context
  • Gebruik citaten om de biologische theorie te ondersteunen

Hypothese en variabelen

  • Geef experimentele hypothese en de nulhypothese
  • Geef afhankelijke variabelen, onafhankelijke variabelen en gecontroleerde variabelen hun respectieve eenheden
  • De impact van elke variabele opnemen

Materialen, methoden en veiligheidskwesties

  • Lijst apparaten inclusief hun afmetingen en onzekerheid
  • Zorg voor een systematische procedure voor het uitvoeren van het onderzoek en het vastleggen van de resultaten
  • Omvat veiligheidskwesties samen met ethische kwesties
  • Geef onbewerkte gegevens in tabellen samen met berekeningen
  • Verstrek verwerkte gegevens met behulp van diagrammen, lijsten, tabellen, grafieken, enz.

Gegevensanalyse en interpretatie

  • Analyseer de bevindingen
  • Bespreek de impact van de onzekerheid en voeg foutbalken toe
  • Bespreek het gegevenspatroon op basis van de onderzoeksvraag

Conclusie, evaluatie en bibliografie

  • Maak een samenvatting van de bevindingen en relateer deze aan de RQ
  • Noem de beperkingen en sterke punten van het onderzoek
  • Zorg voor toekomstige uitbreiding van het onderzoek
  • Geef relevante referenties op in de bibliografiesectie
Hier is een handige video over het structureren van je Biology IA-paper


Logische presentatie

De meest geschikte manier om statistische gegevens en bevindingen te presenteren is met behulp van grafieken en diagrammen. In plaats van het in woorden te schrijven, hebben grafieken, grafieken en andere visuele vormen van representatie meer impact bij het overbrengen van de boodschap.

Zorg er daarom, waar van toepassing, voor dat u goed geïllustreerde grafieken, grafieken of tabellen gebruikt. Ze moeten goed worden geëtiketteerd, zodat ze waarde toevoegen aan de gegevens die u verstrekt.

Begin vroeg

Het schrijven van een biologie IA is tijdrovend. Er kunnen gevallen zijn waarin u merkt dat u verdrinkt in een hoop werk en het moeilijk vindt om recht te doen aan deze opdracht.

Op zulke momenten raden we aan om contact op te nemen met IB IA-schrijfexperts zoals Writers Per Hour. Ons team van professionele schrijvers weet wat er nodig is om een ​​goed gearticuleerd Biology IA-paper te leveren dat voldoet aan uw deadlines en vereisten.

Dus, in plaats van een haastige klus te klaren, laat onze experts deze cruciale opdracht voor u afhandelen.


10 tips om sneller je doctoraat af te ronden

10 augustus 2010, was een geweldige dag voor Rodney Rohde en hij voltooide zijn PhD. En hij deed het in vier jaar, terwijl hij werkte als assistent-professor en vervolgens als universitair hoofddocent aan de Texas State University.

Nu besteedt hij als hoogleraar, onderzoeksdecaan en programmavoorzitter van de opleiding Clinical Laboratory Science aan het College of Health Professions veel tijd aan het begeleiden en coachen van anderen op dit soms mysterieuze en vage pad.

Dr. Rohde's achtergrond ligt in de volksgezondheid en klinische microbiologie. Hij heeft een bachelor in microbiologie, een master in biologie/virologie en een doctoraat in het onderwijs in de staat Texas. Zijn proefschrift sloot aan bij zijn klinische achtergrond: MRSA kennis, leren en aanpassen.

Zijn onderzoek richt zich op volwasseneneducatie en volksgezondheidsmicrobiologie met betrekking tot rabiësvirologie, orale rabiësvaccinatie in het wild, antibioticaresistente bacteriën en moleculaire diagnostiek/biotechnologie. Hij heeft meer dan 25 onderzoeksartikelen en abstracts gepubliceerd en gepresenteerd op meer dan 100 internationale, nationale en staatsconferenties. Hij ontving de Distinguished Author Award 2012 en de ASCLS Scientific Research Award 2007 voor zijn werk met MRSA. Onlangs was zijn werk de focus van een educatieve campagne met betrekking tot de belangrijke onderzoeksfocus van MRSA, waarin Dr. Rohde te zien was in een video van de Texas State University die door talloze media is gebruikt. Lees hier meer over zijn werk.

Onlangs kwam ik hier een zeer interessant artikel tegen van Andy Greenspon, een PhD-student in toegepaste natuurkunde aan Harvard: "9 dingen die je moet overwegen voordat je aan een doctoraat begint." Ik vond dat Andy fantastisch advies gaf, en het deed me denken aan een belofte die ik mezelf deed tijdens het werken aan mijn doctoraat. In de kleine uurtjes van de nacht, terwijl ik me verdiepte in cursussen, documenten met geïnformeerde toestemming, data-analyse en de zoveelste versie van mijn proefschrift, zwoer ik dat als ik ooit mijn doctoraat zou behalen, ik zou proberen anderen te helpen door het drijfzand van een graduate schoolreis .

Ik hoop dat ik kan beginnen om wat hulp te bieden op de manier van deze lijst. Echt, er is veel meer dan ik in een lijst van 10 items kan zetten, dus wees op uw hoede voor meer advies dat u kunt volgen.

1. Dompel jezelf onder in schrijven &ndash en leer hoe je een financieringsvoorstel schrijft

Sommigen zullen misschien zeggen dat dit belangrijker is nadat je een doctoraat hebt behaald. Trap niet in die val. Leren hoe je een financieringsvoorstel schrijft, is niets anders dan het schrijven van je proefschrift of een typisch tijdschriftartikel. Alle soorten financieringsvoorstellen (federaal, staat, stichtingen, particulier/zakelijk, militair) kunnen u echter de mogelijkheid bieden om uw onderzoek daadwerkelijk te financieren terwijl u aan uw doctoraat werkt. En het kan heel goed je beste en meest aantrekkelijke cv-item zijn om een ​​geweldige baan te krijgen. Mijn professionele organisatie, de American Society for Clinical Laboratory Science, biedt bijvoorbeeld onderzoeksbeurzen aan om afstudeeronderzoek uit te voeren. Door deze kans heb ik het grootste deel van mijn onderzoeksbudget kunnen financieren. Veel andere federale subsidieverstrekkers, organisaties en particuliere stichtingen zullen financieringsmogelijkheden hebben die afgestudeerde studenten vaak een middel bieden om hun onderzoek te financieren, vooral als u onderzoek doet dat belangrijk is voor die instantie / stichtingsmissie.

2. Zoek een sterke mentor

Ik kan niet genoeg benadrukken hoe belangrijk dit is. Kan het jouw Dissertatiestoel zijn? Mogelijk, maar zoek iemand die je kritische feedback op projecten kan geven en kan aanmoedigen. Ik had het geluk dat ik verschillende collega's op mijn universiteit had die de reis van het doctoraat hadden gemaakt. Ik omringde me met een aantal van deze 'PhD-veteranen' en ze waren in staat om me te helpen hindernissen te vermijden die me hadden kunnen vertragen. Ze waren ook in staat om het belangrijkste te bieden dat een afgestudeerde student nodig zou kunnen hebben, begrip en constante feedback. Denk erover na om iemand te vinden die je weet te motiveren om je werk af te maken. Het kan een collega zijn of een oud-hoogleraar. Het zou echter geen vriend moeten zijn die je vertelt dat alles goed komt.

3. Laat een dikke huid groeien en neem kritische feedback voor wat het is & ndash opbouwende kritiek

Het is oké om een ​​beetje te mokken (we doen het allemaal als we ontdekken dat we geen Nobelprijswinnaar zijn in ons eerste jaar van de middelbare school), maar kom er zo snel mogelijk overheen en leer van deze opmerkingen. De meeste hoogleraren en adviseurs hebben veel te delen als het gaat om het reilen en zeilen van onderzoeksontwerp, het schrijven voor publicatie of het vinden van subsidies. Een oud gezegde dat ik altijd tegen studenten en collega's zeg &ndash "Je herinnert je vaak de moeilijkste leraar het meest" &ndash is niet voor niets waar.

4. Vind de juiste proefschriftstoel voor: jij

Ik vertel nieuwe promovendi altijd dat de leerstoel van het programma misschien niet de juiste keuze is &ndash of een kersverse tenure track-hoogleraar of de 30+-jarige professor in de afdeling. Doe je onderzoek! Studeren ze tijdig af en zijn ze behoorlijk bekend in hun onderzoeksgebied? Zijn ze collegiaal?

Een manier om een ​​proefschriftstoel te vinden is om wat onderzoek te doen via internet, of je kunt met huidige afgestudeerde studenten praten over bepaalde professoren. De afdeling kan u misschien ook helpen bij het achterhalen van de statistieken over elke professor. Ik ontdekte bijvoorbeeld de periode van begin tot einde voor een afgestudeerde student en het voltooiingspercentage van het doctoraat onder 'X'-professor. Naar mijn persoonlijke mening wil je geen beginnende professor die probeert een vaste aanstelling te krijgen, en je wilt niet de met pensioen gaande professor die zich misschien geen zorgen meer maakt over onderzoek. En het is oké als ze taai zijn. Als ze je iets leren en je door het proces helpen, dat is waar het om gaat. Het is net als met ouderschap, ze zouden niet je vriend moeten zijn als ze je ouder moeten zijn!

5. Richt uw cursusonderzoeksprojecten of onafhankelijke studie voor cursuspunten op uw proefschrift

Dit zou gemakkelijk mijn nummer één advies kunnen zijn. Als je literatuuronderzoeken of pilotonderzoeksprojecten kunt uitvoeren in je voorbereidende cursussen naar datgene waar je je proefschrift over wilt doen, doe het dan. Deze stap zal u helpen tijd te besparen stroomafwaarts in de dissertatiefase. Ik heb drie onafhankelijke studies (met toekomstige leden van de dissertatiecommissie) omgezet in negen uur voltooide doctoraatscursussen, terwijl ik ook veel van mijn eerste twee hoofdstukken voor het proefschrift afrondde. Hoe ik dit heb gedaan zal ik nader toelichten.

Ik heb altijd geweten dat ik een proefschrift wilde schrijven over methicilline-resistente Staphylococcus aureus (MRSA) met betrekking tot de kennis, het leren en de aanpassing van personen bij wie de diagnose MRSA was gesteld. Dus ging ik naar de afdelingsvoorzitter van mijn PhD-programma en vroeg naar mogelijkheden om onafhankelijke studiecursussen (keuzevakken) te volgen waarmee ik zou kunnen bouwen aan het uitvoeren van mijn literatuuronderzoek, pilotstudie en financieringsmogelijkheden voor mijn onderwerp. Tegen de tijd dat ik de voorstelfase bereikte, had ik echt mijn eerste twee hoofdstukken van mijn proefschrift in goede staat.

6. Houd het onderwerp van je proefschrift zo beperkt mogelijk

Misschien wil je de wereld redden, maar wil je 10 jaar aan je doctoraat doen? Je hebt een onderzoeksleven nadat het doctoraat is gedaan om de wereld te redden. Zeker, als je de Nobelprijs wilt winnen terwijl je aan je proefschrift werkt, ga ervoor, maar wees voorbereid op een lange verbintenis. Dit is erg belangrijk.

Een smal onderwerp lijkt misschien alsof je niet genoeg gegevens of dingen te zeggen hebt. Echter, hoe langer ik onderzoek doe, hoe vaker ik de waarde zie van een sterk maar smal onderzoeksdesign. Zoek actieve onderzoekers in uw kerngebied en bespreek de "behoeften" van dat onderzoek. Ontbreekt er iets in de literatuur? Worden er al onderzoeksvragen of hypothesen gesteld die beantwoord moeten worden? Dit zijn geweldige manieren om uw onderwerp te verfijnen en relevant te zijn voor publicatie.

7. Er is een reden waarom 50 procent van de promovendi ABD blijft.

Doorzettingsvermogen en het afmaken van het werk zijn naar mijn bescheiden mening de twee belangrijkste eigenschappen en kwaliteiten die men nodig heeft nadat het werk is voltooid. Zoals ik mijn eigen twee kinderen vertel, is het oké om te falen, maar het is niet oké om te stoppen. Stel een agenda en schema op met je scriptievoorzitter en leg er verantwoording over af en houd je leerstoel verantwoordelijk. Ik ontmoette mijn leerstoel elke drie weken tijdens mijn proefschrift en was in anderhalf jaar klaar! Het kan gedaan worden. Laat je stoel of jezelf niet van de haak zijn op dit item. Zoek de tijd om elkaar te ontmoeten volgens een vast schema. Normaal gesproken zou ik mijn voorzitter beloven dat ik een deel van een hoofdstuk zou laten doen vóór onze vergadertijd.

En vervreemd uw stoel niet door ze de avond ervoor pagina's te e-mailen om te bewerken. Zorg er altijd voor dat u hen de hoffelijkheid geeft van ten minste een week de tijd om uw werk voorafgaand aan uw ingestelde tijd te bekijken. Ze hebben het ook erg druk en het zal productiever zijn als ze tijd hebben om uw pagina's van tevoren te bewerken. Vier elke hindernis die je neemt, zodat je weet dat je vooruitgang boekt.

8. Focus alleen op de volgende stap of hindernis terwijl je werkt

Dit kan erg moeilijk zijn & ndash om niet te stressen over de hele reis van het proefschrift. Het is zo gemakkelijk om verlamd te raken door de berg checklists en dingen om te doen. Deze tip volgt niet voor niets #7. Stel uw agenda en planning in en concentreer u op wat er direct voor u ligt. Meestal is de eerste stap het vormen van uw commissie met een voorzitter. Doe dat en vier het. Ga dan naar de volgende stap, en de volgende:

  • Voorstel/onderzoek ontwerp &ndash check
  • IRB (institutionele beoordelingsraad) toestemming &ndash check
  • Pilotstudie &ndash check
  • Gegevens verzamelen & ndash controleren
  • Analyse & ndash check
  • Schrijf, schrijf, schrijf met een doel en plan &ndash check
  • Verdedig & ndash check
  • Afmaken en ja!

9. Zoek een sterke kwantitatieve (of kwalitatieve) onderzoekscollega die je zal helpen met een sterk ontwerp

Dit is een cruciale beslissing, en als je het vroeg en correct doet, zal je proefschrift ertoe doen om niet op de plank te eindigen. Het is mijn ervaring dat de meeste slecht geschreven of niet-betekenisvolle proefschriften het resultaat waren van het verkeerde onderzoeksdesign. Als uw universiteit een "go-to-person" heeft voor een kwantitatief ontwerp, zoek die persoon dan op. Maar kies die persoon niet om in uw commissie te zitten of om u te helpen als deze in de eerste plaats een kwalitatieve onderzoeker is.

Als u een benadering met gemengde methoden overweegt, kunt u die optie overwegen. Ik heb een zeer goede vriend die een deskundige kwantitatieve onderzoeker is die meerdere financieringsprijzen heeft gewonnen voor een verscheidenheid aan projecten in meerdere disciplines. Hij stelt altijd dat dit de grootste zwakte van proefschriften is en dat dit een slecht ontwerp is. Het is een nationaal probleem, dus negeer het niet. Zoek hulp als je die nodig hebt. Krijg het goed vooraf, en het helpt je niet alleen om het af te maken. Het maakt je werk relevant en publicatiewaardig.

10. Promoot uw werk en praat met anderen

Dit advies lijkt misschien niet relevant voor uw proefschrift. Ik zou echter willen beweren dat je dit niet alleen op je campus moet doen, maar ook om naar onderzoeksforums voor afgestudeerden, professionele organisaties voor presentaties van afgestudeerden, collega's in je onderzoeksgebied en andere routes te gaan om je werk te promoten. In de wereld van vandaag kan dat natuurlijk ook een goede online blog betekenen. Het kan zelfs een solide klankbord zijn voor je onderzoek en kan leiden tot vacatures naarmate je de laatste fasen van je proefschrift voltooit.[divider]

Ga het nu doen. Concentreer je op elke stap en zie jezelf die stap afmaken. Succes gaat vooral over hard werken en doorzettingsvermogen. Het is wat het "bijna voltooide" scheidt van een goed uitgevoerde klus. Niets kan in mijn ervaring de plaats innemen van vasthoudendheid. Veel geluk!


1. Bio-IT Wereld

Boston, Massachusetts, Verenigde Staten Over blog Het behandelt de toepassing van informatica, IT en informatica in biomedisch onderzoek en het ontdekken van geneesmiddelen. Nu de biowetenschappen een steeds meer kwantitatieve discipline worden, biedt Bio-IT World actuele berichtgeving en analyse van geavanceerde technologieën om de gegevensstroom in petascale computing aan te pakken en de tools om geïndividualiseerde geneeskunde te leveren. Frequentie 3 berichten / week Blog bio-itworld.com
Facebook-fans 6,2K ⋅ Twitter-volgers 15,1K ⋅ Sociale betrokkenheid 1 ⓘ ⋅ Domeinautoriteit 58 ⓘ ⋅ Bekijk laatste berichten ⋅ Ontvang e-mail Contact

2. BMC Bio-informatica

Londen, Engeland, Verenigd Koninkrijk Over blog BMC Bioinformatics is een open access, peer-reviewed tijdschrift dat artikelen behandelt over alle aspecten van de ontwikkeling, het testen en de nieuwe toepassing van computationele en statistische methoden voor het modelleren en analyseren van allerlei biologische gegevens, evenals andere gebieden van computationele biologie . Frequentie 11 berichten / week Ook in Bioinformatica-tijdschriften Blog bmcbioinformatics.biomedcent..
Facebook-fans 85,5K ⋅ Twitter-volgers 19,2K ⋅ Domeinautoriteit 88 ⓘ ⋅ Alexa Rank 2,3K ⓘ Bekijk laatste berichten ⋅ Ontvang e-mail Contact

3. RNA-Seq-blog | Transcriptoom Onderzoek & Industrie Nieuws

Verenigde Staten Over blog RNA-seq, ook wel 'Whole Transcriptome Shotgun Sequencing' genoemd, verwijst naar het gebruik van high-throughput sequencing-technologieën om cDNA te sequencen om informatie te krijgen over het RNA-gehalte van een monster. Frequentie 10 berichten / week Blog rna-seqblog.com
Facebook fans 4,6K ⋅ Twitter volgers 7,2K ⋅ Domein Autoriteit 45 ⓘ ⋅ Alexa Rank 764.8K ⓘ Bekijk laatste berichten ⋅ Ontvang e-mail Contact

4. nature.com - Computerbiologie en bio-informatica

Londen, Engeland, Verenigd Koninkrijk Over blog Laatste nieuws en onderzoek van Nature.com op het gebied van computationele biologie en bioinformatica. Nature Research is onderdeel van Springer Nature, een toonaangevende wereldwijde onderzoeks-, educatieve en professionele uitgeverij. Springer Nature is 's werelds grootste uitgever van academische boeken, uitgever van 's werelds meest invloedrijke tijdschriften en een pionier op het gebied van open onderzoek. Frequentie 30 berichten / week Blog nature.com/subjects/computat..
Facebook-fans 1 miljoen ⋅ Twitter-volgers 2,1 miljoen ⋅ Domain Authority 93 ⓘ ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mail Contact

5. PLOS computationele biologie

San Francisco, Californië, Verenigde Staten Over blog Door verbanden te leggen door de toepassing van computationele methoden tussen verschillende gebieden van de biologie, biedt PLOS Computational Biology substantieel nieuw inzicht in levende systemen op alle schalen, van nano tot macro, en in meerdere disciplines, van moleculaire wetenschap, neurowetenschappen en fysiologie tot ecologie en populatiebiologie. Frequentie 19 berichten / week Blog journals.plos.org/ploscompbiol
Facebook-fans 98,7K ⋅ Twitter-volgers 128,9K ⋅ Domeinautoriteit 92 ⓘ ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mail Contact

6. News-Medical.Net - Bioinformatica Nieuws

Verenigd Koninkrijk Over blog News-Medical.Net heeft tot doel medisch nieuws te segmenteren, te profileren en te verspreiden onder een zo breed mogelijk publiek van potentiële begunstigden over de hele wereld en een forum te bieden voor ideeën, debat en leren, en om de interactie tussen alle delen van de medische gezondheidswetenschappengemeenschap wereldwijd te vergemakkelijken. Frequentie 9 berichten / week Blog news-medical.net/?tag=/Bioin..
Facebook fans 268.7K ⋅ Twitter volgers 14K ⋅ Domain Authority 77 ⓘ ⋅ Alexa Rank 9.9K ⓘ Bekijk laatste berichten ⋅ Ontvang e-mail Contact

7. BioInformatics Inc.

Washington, District of Columbia, Verenigde Staten Over blog Het verstrekken van kritische marktinformatie aan grote leveranciers die de life science, analytische instrumenten en klinische diagnostische markten bedienen. De blog van BioInformatics Inc bevat de belangrijkste bevindingen van onze wetenschappelijke industrie-experts over alles, van bedrijfsovernames tot klantrelaties. Frequentie 1 bericht / kwartaal Blog bioinfoinc.com/blog
Twitter-volgers 3.5K ⋅ Domain Authority 36 ⋅ Alexa Rank 927.7K Bekijk laatste berichten ⋅ Ontvang e-mail Contact

8. BaseSpace-informatica

San Diego, Californië, Verenigde Staten Over blog De BaseSpace Informatics Suite is een volledig geïntegreerd, cloudgebaseerd informaticaplatform dat belangrijke functionaliteit verenigt voor het snel leveren van hoogwaardige genomische informatie. Frequentie 2 berichten / week Blog blog.basespace.illumina.com
Twitter-volgers 1,3K ⋅ Sociale betrokkenheid 21 ⋅ Domeinautoriteit 66 ⋅ Alexa Rank 60,7K Bekijk laatste berichten ⋅ Ontvang e-mail Contact

9. Creatieve diagnostiek | Antilichamen, antigenen, Elisa Kits voor Life Science

New York, Verenigde Staten Over blog Creative Diagnostics produceert en verkoopt wereldwijd innovatieve gespecialiseerde immunoassays van de hoogste kwaliteit. Er zijn volledig geautomatiseerde en semi-automatische systeemopties beschikbaar die gebruikmaken van geavanceerde direct label-technologie om te voldoen aan de doorvoerbehoeften van zowel grote als kleine onafhankelijke laboratoria en ziekenhuislaboratoria. Frequentie 2 berichten / maand Blog creative-diagnostics.com/blog
Facebook-fans 1.4K ⋅ Twitter-volgers 606 ⋅ Domeinautoriteit 32 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

10. Lifebit-blog

Londen, Engeland, Verenigd Koninkrijk Over blog Hallo. We bloggen over genomics, gepersonaliseerde geneeskunde, cloud, big data & AI. Welkom. Frequentie 1 bericht / week Blog blog.lifebit.ai
Facebook-fans 154 ⋅ Twitter-volgers 4.1K ⋅ Instagram-volgers 118 ⋅ Domeinautoriteit 30 ⋅ Alexa Rank 1.3M Bekijk de laatste berichten ⋅ Ontvang e-mail Contact

11. Seven Bridges Genomics - Het bedrijf voor biomedische data-analyse

Boston, Massachusetts, Verenigde Staten Over blog Seven Bridges is het bedrijf voor biomedische data-analyse dat doorbraken versnelt in genomics-onderzoek voor kanker, de ontwikkeling van geneesmiddelen en precisiegeneeskunde. Frequentie 1 bericht / kwartaal Blog sevenbridges.com/blog
Domeinautoriteit 41 ⋅ Alexa Rank 696.8K Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

12. De blog van Dave Tang

Perth, West-Australië, Australië Over blog Ik ben een genomics-onderzoeker die R en Perl gebruikt (omdat ik rond 2005 in aanraking kwam met bio-informatica). Het grootste deel van deze blog gaat over analyses met betrekking tot genomics. Frequentie 2 berichten / kwartaal Blog davetang.org/muse
Twitter-volgers 1,7K ⋅ Social Engagement 2 ⋅ Domeinautoriteit 30 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

13. OBF-nieuws | Nieuws over open source bio-informatica

Verenigde Staten Over blog De Open Bioinformatics Foundation of OBF is een non-profit, door vrijwilligers gerunde organisatie die zich richt op het ondersteunen van open source-programmering in bio-informatica. Frequentie 1 bericht / week Blog open-bio.org/blog
Twitter-volgers 1,8K ⋅ Domeinautoriteit 47 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

14. Frontlinie genomica | Bio-informatica

Londen, Engeland, Verenigd Koninkrijk Over blog Ons doel is om de voordelen van genomica sneller bij patiënten te brengen door wetenschappers, clinici, bedrijfs-/onderzoeksleiders en functionarissen te ondersteunen. Frequentie 10 berichten / jaar Blog frontlinegenomics.com/?s=Bio..
Facebook fans 1.9K ⋅ Twitter volgers 8.3K ⋅ Domein Autoriteit 51 ⋅ Alexa Rank 1.8M Bekijk laatste berichten ⋅ Ontvang e-mail Contact

15. Elucidata

Cambridge, Massachusetts, Verenigde Staten Over blog De missie van Elucidata is om data-analyse te gebruiken om besluitvormingsprocessen in R&D-labs in biotechnologische en farmaceutische bedrijven te transformeren. Op onze blog vindt u gemakkelijk te begrijpen en bruikbare inzichten om uw bedrijf te helpen het gegevensbeheer te verbeteren. Frequentie 1 bericht / maand Ook in Blogs over gegevensbeheer Blog elucdata.io/blog
Facebook fans 1.4K ⋅ Twitter volgers 231 ⋅ Social Engagement 1 ⋅ Domain Authority 28 ⋅ Alexa Rank 594.5K Bekijk laatste berichten ⋅ Ontvang e-mail Contact

16. Bioinformatica Review

Delhi, India Over blog Bioinformatics Review biedt het laatste nieuws en artikelen over bioinformatica-onderzoek. Krijg het laatste nieuws, meningen en meningen binnen handbereik. Frequentie 1 bericht / dag Ook in Delhi-blogs Blog bioinformaticsreview.com
Facebook fans 3.4K ⋅ Twitter volgers 263 ⋅ Social Engagement 2 ⋅ Domain Authority 18 ⋅ Alexa Rank 2.2M Bekijk laatste berichten ⋅ Ontvang e-mail Contact

17. T-BioInfo in het onderwijs - Nieuws en updates in bioinformatisch onderwijs

New Orleans, Louisiana, Verenigde Staten Over blog Volg onze blog voor het laatste nieuws, updates en pers van Tbio. Krijg toegang tot onze online cursussen om uw bio-informatica-opleiding te beginnen! Frequentie 25 berichten / jaar Blog edu.t-bio.info/blog
Facebook fans 9.6K ⋅ Twitter volgers 984 ⋅ Social Engagement 3 ⋅ Domein Autoriteit 22 ⋅ Alexa Rank 1.9M Bekijk laatste berichten ⋅ Ontvang e-mail Contact

18. Wonen in een ivoren kelder

Over blog Geeft informatie over wetenschap, testen en programmeren. Frequentie 2 berichten / maand Blog ivoor.idyll.org/blog
Domain Authority 50 ⋅ Alexa Rank 2.1M Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

19. Stukjes DNA

Over blog Recensies en commentaar op computationele biologie door Lior Pachter. Frequentie 1 bericht / kwartaal Blog liorpachter.wordpress.com
Twitter-volgers 24,6K ⋅ Sociale betrokkenheid 143 ⋅ Domeinautoriteit 45 ⋅ Alexa Rank 3,4M Bekijk laatste berichten ⋅ Ontvang e-mail Contact

20. Python voor bio-informatica - avonturen in bio-informatica

South Carolina, Verenigde Staten Over blog Ik geef les en doe onderzoek in de microbiologie. Deze blog begon als een verslag van mijn avonturen met het leren van bio-informatica en het gebruik van Python. Het is uitgebreid met Cocoa, R, eenvoudige wiskunde en diverse onderwerpen. Frequentie 2 berichten / maand Blog telliott99.blogspot.com
Domeinautoriteit 18 ⋅ Alexa Rank 7.5M Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

21. Omica! Omica!

Cambridge, Massachusetts, Verenigde Staten Over blog De persoonlijke opvattingen van een computationeel bioloog over nieuwe technologieën en publicaties over genomics en proteomics en hun impact op de ontdekking van geneesmiddelen. Frequentie 3 berichten / maand Blog omicsomics.blogspot.com
Twitter-volgers 7.8K ⋅ Sociale betrokkenheid 12 ⋅ Domeinautoriteit 37 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

22. Professor Informatica

Portland, Oregon, Verenigde Staten Over blog Deze blog houdt de gedachten bij over verschillende onderwerpen met betrekking tot biomedische en gezondheidsinformatica door Dr. William Hersh, professor en voorzitter van de afdeling Medische Informatica & Klinische Epidemiologie, Oregon Health & Science University. Frequentie 1 bericht / maand Blog informaticaprofessor.blogspo..
Twitter-volgers 2,9K ⋅ Sociale betrokkenheid 8 ⋅ Domeinautoriteit 33 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

23. Fios Genomics

Edinburgh, Schotland, Verenigd Koninkrijk Over blog Fios Genomics is een bio-informaticaleverancier van data-analysediensten aan de farmaceutische industrie, CRO's en de academische wereld voor het ontdekken en ontwikkelen van geneesmiddelen en toegepast onderzoek voor alle soorten. Frequentie 2 berichten / week Blog fiosgenomics.com/blog
Facebook-fans 60 ⋅ Twitter-volgers 1,2K ⋅ Domeinautoriteit 25 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

24. Bioinformatica-blog van Michael S. Chimenti

Iowa City, Iowa, Verenigde Staten Over blog Een blog over bio-informatica, genomisch onderzoek en data-analyse. Frequentie 1 bericht / week Blog michaelchimenti.com
Domain Authority 12 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

25. Epistasieblog - Van het Computational Genetics Laboratory van de University of Pennsylvania

Philadelphia, Pennsylvania, Verenigde Staten Over blog Edward Rose Hoogleraar Informatica, Directeur van het Instituut voor Biomedische Informatica, Directeur van de Afdeling Informatica van de Afdeling Biostatistiek en Epidemiologie, Senior Associate Dean voor Informatica, The Perelman School of Medicine, University of Pennsylvania. Frequentie 1 bericht / kwartaal Blog epistasisblog.org
Twitter-volgers 30.2K ⋅ Domeinautoriteit 21 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

26. Pijnboombiotech

New Orleans, Louisiana, Verenigde Staten Over blog Pine Biotech is opgericht om computationele big-data-analysetools naar de Agrotech- en Biotech-industrieën te brengen om branchespecifieke uitdagingen aan te pakken. Hier leest u het laatste nieuws en publicaties van Pine Biotech. Frequentie 1 bericht / maand Blog pine-biotech.com
Facebook-fans 9,6K ⋅ Twitter-volgers 984 ⋅ Sociale betrokkenheid 17 ⋅ Domeinautoriteit 28 ⋅ Laatste berichten bekijken ⋅ E-mail ontvangen Contact

27. Genomics Proteomics en bioinformatica

Over blog Bioinformatica-inhoud samengesteld door vooraanstaande bioinformatica-beïnvloeders. Frequentie 24 berichten / kwartaal Blog bioinf.org
Domeinautoriteit 22 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

28. Omics-tutorials

Australië Over blog Bioinformatica, Genomica, Proteomics en Transcriptomics. De informatie op deze website is uitsluitend bedoeld voor onderwijs- en leerdoeleinden. Frequentie 8 berichten / jaar Blog omicstutorials.com
Domain Authority 4 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

29. Kevin's GATTACA-wereld

Over blog Mijn weblog over bio-informatica, genoomwetenschap en Next Generation Sequencing. Frequentie 1 bericht / kwartaal Blog kevin-gattaca.blogspot.com
Domeinautoriteit 22 ⋅ Bekijk de laatste berichten ⋅ Ontvang e-mailcontact

30. Wat je doet is nogal wanhopig

Sydney, Nieuw-Zuid-Wales, Australië Over blog Ik ben Neil Saunders, een datawetenschapper en bio-informaticus uit Sydney, Australië. Ik heb gewerkt als datawetenschapper voor een startup in gezondheidszorgtechnologie, als onderzoeker voor het CSIRO en bij verschillende universiteiten. Frequentie 1 bericht / jaar Blog nsaunders.wordpress.com
Twitter-volgers 4,6K ⋅ Sociale betrokkenheid 14 ⋅ Domeinautoriteit 44 ⋅ Alexa Rank 8,8M Bekijk laatste berichten ⋅ Ontvang e-mail Contact

31. Thermo Fisher Scientific | Verbonden lab

Over blog Thermo Fisher Scientific Inc. is de wereldleider in het dienen van de wetenschap. Onze missie is om onze klanten in staat te stellen de wereld gezonder, schoner en veiliger te maken. Het Connected Lab richt zich op de digitale transformatie van het laboratorium via technologie en software die laboratoriumautomatisering, laboratoriumintegratie en laboratoriumoptimalisatie mogelijk maken. Frequentie 1 bericht / week Blog thermofisher.com/blog/connect..
Facebook fans 116K ⋅ Twitter volgers 57K ⋅ Domein Autoriteit 83 ⋅ Alexa Rank 7.4K Bekijk laatste berichten ⋅ Ontvang e-mail Contact